ModellmetrikenHi
Um einen elektrischen Parameter anhand von Geräteparametern in einem bestimmten Produktionsschritt unserer Halbleiterfabrik vorherzusagen, haben wir einen Random Forest verwendet. Wenn wir uns den relativen Fehler (%) des Modells ansehen, sehen wir, dass er mit etwa 0,5 % sehr gering ist (siehe beigefügtes Bild). Der RMSE ist ebenfalls niedrig, aber R2 beträgt nur 52 %.
Wenn wir uns also den prozentualen Fehler ansehen, können wir sagen, dass das Modell in Ordnung ist, während dies nicht der Fall zu sein scheint, wenn wir uns R2 ansehen.Wie löst man?
Danke Felice
AnalytikBetreff: ModellmetrikenVielen Dank für die Bereitstellung dieser Handlung.
Die Form der Marker sieht aus wie eine Raute. Ich bin mir nicht sicher, was mich erwartet, aber es ist ungewöhnlich.
Es zeigt auch, warum das R-Quadrat etwa 0,5 beträgt und warum Vorhersagen nicht sehr genau sind. Stellen Sie sich vor, Sie würden die Antwort bei einer Eingabe von 131 vorhersagen. Ich nehme an, dass die vorhergesagte Antwort die Abszisse ist. Es scheint unvoreingenommen, aber mit hoher Varianz zu sein. Es gibt viele Daten, sodass das Konfidenzintervall für die mittlere Antwort relativ eng sein kann, das Vorhersageintervall jedoch viel breiter wäre.
Betreff: ModellmetrikenHi
im Anhang die angeforderte Korrelation.
Felice
Betreff: ModellmetrikenKönnen Sie ein Diagramm von zeigen Ist nach Vorhergesagt ?
Betreff: ModellmetrikenIch habe versucht, den systematischen Fehler MBE in Prozent zu berechnen, und dieser beträgt nur 0,01 %, was praktisch vernachlässigbar ist, und der absolute Fehler beträgt nur 0,54 %. Wenn wir Accuracy=100-MAE=99.46% verwenden, ist das wirklich ein guter Wert. Gleiches gilt für RSME, das in Prozent nur 0,007 % beträgt, indem es eine sehr kleine durchschnittliche Abweichung von den wahren Werten anzeigt. Wieder einmal scheint R2 nicht das vollständige Bild zu geben.
Was denken Sie?
Felice
Betreff: ModellmetrikenDer RMSE ist eine Schätzung der Standardabweichung der Antwort. Es wird angenommen, dass sie über den gesamten Antwortbereich im Modell konstant ist. Das R-Quadrat schätzt, wie viel der Antwortvarianz nicht die zufällige Fehlerkomponente ist. Ihr Modell könnte also signifikant sein, aber es wird nicht sehr genau sein.
