Sto utilizzando la piattaforma neurale per calcolare un modello che effettua previsioni da alcuni dati osservati e desidero confrontare le prestazioni di quel modello con altri modelli (non di JMP). Per confrontare i diversi modelli, voglio confrontare i dati osservati e le previsioni dei diversi modelli.
R2 non è una buona misura perché verifica l'eventuale relazione lineare tra i valori osservati e quelli previsti y=ax+b (y=osservazione) e (x=previsione) e mi interessa solo il caso in cui a=1 e b =0.
(- Domanda: è importante se guardo "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:
Sviluppo medio addominali : La media dei valori assoluti delle differenze tra la risposta e la risposta prevista. (Tutti i fattori sono continui).
Quando interpreto la "risposta" come il valore osservato e la "risposta prevista" come la previsione del modello, ciò si tradurrebbe nell'equazione sum(|x_i-y_i|)/n dove n è il numero di osservazioni.
Tuttavia, guardando le fonti in Internet, questa quantità viene chiamata errore assoluto medio :
In statistiche , errore assoluto medio ( 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 un insieme di previsioni, senza considerare la loro direzione. È la media sul campione di prova delle differenze assolute tra previsione e osservazione effettiva, dove tutte le differenze individuali hanno lo stesso peso.
Secondo Wikipedia IL PAZZO (attorno 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 esempio media, mediana).
Domanda: Non esiste una definizione generalmente accettata di MAD e MAE, ho frainteso qualcosa...???
