Python 如何用RMSE计算精度

在我们得到预测模型和个体的平均RMSE值后

Mean RMSE: [1300.269] 1308.5, 1300.8, 1305.1, 1296.6, 1307.7, 1290.3, 1292.7

我们如何计算模型的精度

---

有什么具体的公式吗？

我认为R平方度量可以帮助你。R平方是数据与拟合回归线的接近程度的统计度量。最好的分数是1。始终预测平均值的常数模型将得到0分。任意劣于平均模型的模型将得到负分

sklearn链接：

关于R平方的更多信息，请参见：

好的回归指标讨论如下：

---

更新： 除此之外，你应该看看。[简言之，这些图不应该有任何模式]以及：

• 此外，要深入分析回归模型，请看这个伟大的笔记本系列：

---

看起来您正在处理回归问题。准确度作为一种度量标准在分类上下文中最常用。我猜您可能正在处理一些给定

kernel\u size

参数的图像分类任务，但是您能否详细说明您正在尝试解决的任务类型？确定什么是好的RMSE值实际上随数据集和目标值的标准差而变化谢谢您的回答，这是一个时间预测模型（多步骤单变量CNN），使用前向验证。这些是我得到的RMSE结果。有什么想法吗？谢谢你的回复，这是一个时间预测模型（多步骤单变量CNN），使用前向验证。让我看看你的共享资源。干杯问题是结果不是线性的。它是时间序列值。这是一个线性非线性回归型问题。R平方不是一个解决方案。有什么想法吗？现在这些可能会有所帮助，我将通过EOD细化答案。。回归度量的标准误差处理非线性回归问题——我通过平均绝对误差（MAE）和标准误差的工作获得了很好的精度，让你知道，找到更多，

n_input = 1000
split_rate = 0.70
kernel_size = 50
epochs = 450
batch_size = 100