Sto utilizzando la piattaforma neurale per calcolare un modello che fa previsioni da alcuni dati osservati e voglio confrontare le prestazioni di quel modello con altri modelli (non da JMP). Per confrontare i diversi modelli, voglio confrontare i dati osservati e le previsioni dai diversi modelli.
L'R2 non è una buona misura perché controlla qualsiasi relazione lineare tra i valori osservati e previsti y = ax + b (y = osservazione) e (x = previsione) e mi interessa solo il caso in cui a = 1 eb = 0.
(- Domanda: è importante che io guardi "osservato vs previsto" o "previsto vs osservato"?)
Quindi, sto guardando RMSE e MAD piuttosto che R2. (Domanda: esiste un'altra misura che potrebbe essere utilizzata?)
- Ora, guardando il manuale di JMP trovo la seguente definizione:
Mean Abs Dev : La media dei valori assoluti delle differenze tra la risposta e la risposta prevista. (Tutti i fattori sono continui).
Quando interpreto "risposta" come il valore osservato e "risposta prevista" come previsione del modello, ciò si tradurrebbe nell'equazione somma (| x_i-y_i |) / n dove n è il numero di osservazioni.
Tuttavia, guardando le fonti in Internet, viene chiamata questa quantità significa errore assoluto :
In statistiche , significa errore assoluto ( MAE ) è una misura di errori tra osservazioni accoppiate che esprimono lo stesso fenomeno. Esempi di Y rispetto a X includono confronti tra previsto e osservato,
wikipedia
Lo stesso Qui :
Errore assoluto medio (MAE): MAE misura l'entità media degli errori in una serie di previsioni, senza considerare la loro direzione. È la media sul campione di prova delle differenze assolute tra la previsione e l'osservazione effettiva in cui tutte le differenze individuali hanno lo stesso peso.
Secondo wikipedia il PAZZO (intorno a un punto centrale) è qualcosa di leggermente diverso:
m (X) {\ displaystyle m (X)}
sum (| x_i-m (X) |) / n dove m è una "tendenza centrale" (ad es. media, mediana).
Domanda: Non esiste una definizione generalmente accettata di MAD e MAE, fraintendo qualcosa ... ???
