Fatal编程技术网
  • machine-learning/
  • Machine learning 为什么将神经网络质量表示为1减去预测中的平均绝对误差与预测值范围的比率？

Machine learning 为什么将神经网络质量表示为1减去预测中的平均绝对误差与预测值范围的比率？

machine-learning statistics neural-network

Machine learning 为什么将神经网络质量表示为1减去预测中的平均绝对误差与预测值范围的比率？,machine-learning,statistics,neural-network,regression,spss-modeler,Machine Learning,Statistics,Neural Network,Regression,Spss Modeler,将神经网络质量定义为： 对于连续目标，该1减去预测中的平均绝对误差（预测值的绝对值减去观测值的平均值）与预测值范围（最大预测值减去最小预测值）之比 这是计算标准吗 我很难理解质量是如何从中获得的 这里的要点是使网络质量度量独立于输出值的范围。建议的度量是1-相对误差，这意味着对于一个完美的网络，您将获得1的最大质量。这也意味着质量不能小于0 例如： 如果要预测0到1范围内的值，0.2的绝对误差意味着20%。当预测0到100范围内的值时，对于20%的相同精度，您可能会有更大的绝对误差20 使用您描

将神经网络质量定义为：

对于连续目标，该1减去预测中的平均绝对误差（预测值的绝对值减去观测值的平均值）与预测值范围（最大预测值减去最小预测值）之比

这是计算标准吗

我很难理解质量是如何从中获得的

这里的要点是使网络质量度量独立于输出值的范围。建议的度量是
1-相对误差
，这意味着对于一个完美的网络，您将获得1的最大质量。这也意味着质量不能小于0

例如：

如果要预测0到1范围内的值，0.2的绝对误差意味着20%。当预测0到100范围内的值时，对于20%的相同精度，您可能会有更大的绝对误差20

使用您描述的公式时，会得到以下相对误差：


1 - 0.2 / (1 - 0) = 0.8

1 - 20 / (100 - 0) = 0.8