Machine learning 解释统计模型度量

---

你知道如何解释RAE和RSE值吗？我知道鳕鱼接近1是个好兆头。这是否表明增强的决策树回归是最好的？

RAE和RSE接近0是一个好迹象……您希望误差尽可能低。有关评估模型的详细信息，请参见。从该页：

这里的术语“误差”表示预测值和真实值之间的差异。由于预测值和真实值之间的差值在某些情况下可能为负值，因此通常计算绝对值或该差值的平方，以捕获所有实例中的总误差大小。误差度量根据回归模型预测值与真实值的平均偏差来衡量回归模型的预测性能。较低的误差值意味着模型在进行预测时更准确。总体误差度量为0意味着模型完全符合数据

是的，根据您当前的结果，增强的决策树表现最好。我不太了解你工作的细节，无法确定这是否足够好。老实说，可能是这样。但如果您确定不是这样，您还可以调整“增强决策树回归”模块中的输入参数，以获得更好的结果。“”模块可以帮助您尝试许多不同的输入参数，您可以指定要优化的参数（例如问题中引用的RAE、RSE或COD）。有关简要说明，请参阅。希望这有帮助。

---

另外，我很高兴你在调查维斯特洛的黑碳含量……我相信瑟曦根本不在乎

你们认为COD为0.67225是一个可用的模型吗？注：这是为了确定与其他污染物相比空气中黑碳的粗略估计值。错误的代价很低。只是在寻找七大王国。一定有人。谢谢你的来信。我忘了参数扫描。