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Python 如何用RMSE计算精度,python,machine-learning,deep-learning,Python,Machine Learning,Deep Learning,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
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:
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