通过R2和RMSE比较模型
我正在使用pls和h2o包开发模型预测,这将导致两个模型:pls.model和h2o.model。每轮交叉验证的R平方(皮尔逊相关平方)和RMSE如下所示: R2: RMSE: 我无法解释为什么pls.model的R2较低但误差较小,而h2o.model的R2较高但误差较大。我检查了散点图,但没有出现非线性模式。 你想过这个吗?在这种情况下,更好的模式应该是什么 谢谢通过R2和RMSE比较模型,r,machine-learning,regression,cross-validation,R,Machine Learning,Regression,Cross Validation,我正在使用pls和h2o包开发模型预测,这将导致两个模型:pls.model和h2o.model。每轮交叉验证的R平方(皮尔逊相关平方)和RMSE如下所示: R2: RMSE: 我无法解释为什么pls.model的R2较低但误差较小,而h2o.model的R2较高但误差较大。我检查了散点图,但没有出现非线性模式。 你想过这个吗?在这种情况下,更好的模式应该是什么 谢谢 Phuong我会将结果解释为H2O可以更好地解释因变量的更多变化,而PLS虽然解释的变化较小,但生成的预测总体上更接近实际值。您
Phuong我会将结果解释为
H2O
可以更好地解释因变量的更多变化,而PLS
虽然解释的变化较小,但生成的预测总体上更接近实际值。您将从@www:Thank获得更多帮助,那么您将选择哪种模型进行进一步预测?我仍然没有足够的信息。就你的目的而言,是更好地捕捉趋势,还是更重要的是将预测保持在一定范围内?如果是后者,我将使用pls
。但如果是前者,h2o
可以解释数据中的重要趋势。请在stats.stackexchange.com上发布可复制的示例数据集和更多信息。此站点用于解决与编程相关的问题,而您的问题不是。@www:我刚刚按照您的建议将问题移至stack.exchange。谢谢。希望对此有更深入的了解。
i R2.PLS R2.H2O
1 1 0.4415108 0.6232292
2 2 0.3754088 0.6056992
3 3 0.4267580 0.6204750
4 4 0.3505282 0.6062691
5 5 0.2870766 0.5344183
6 6 0.3858786 0.5794828
7 7 0.3449946 0.5692314
8 8 0.2974582 0.5522208
9 9 0.3446449 0.5694339
10 10 0.3987684 0.5561757
i rmse.pls rmse.h2o
1 1 8.839967 40.99896
2 2 9.347349 29.94260
3 3 4.240366 14.75890
4 4 17.901563 29.89181
5 5 4.686803 66.04993
6 6 31.717909 10.28799
7 7 2.066342 32.74828
8 8 15.979214 21.05928
9 9 19.454079 10.88551
10 10 27.039400 68.27017