Ich verwende die neuronale Plattform, um ein Modell zu berechnen, das Vorhersagen aus einigen beobachteten Daten macht, und möchte die Leistung dieses Modells mit anderen Modellen (nicht aus JMP) vergleichen. Um die verschiedenen Modelle zu vergleichen, möchte ich die beobachteten Daten und die Vorhersagen der verschiedenen Modelle vergleichen.
Das R2 ist kein gutes Maß, da es nach einer linearen Beziehung zwischen den beobachteten und vorhergesagten Werten y = ax + b (y = Beobachtung) und (x = Vorhersage) sucht und mich nur für den Fall interessiert, in dem a = 1 und b = 0.
(- Frage: Ist es wichtig, dass ich "beobachtet gegen vorhergesagt" oder "vorhergesagt gegen beobachtet" betrachte?)
Ich betrachte also eher RMSE und MAD als R2. (Frage: Gibt es eine andere Maßnahme, die verwendet werden könnte?)
- Wenn ich mir jetzt das JMP-Handbuch ansehe, finde ich die folgende Definition:
Mean Abs Dev :: Der Durchschnitt der absoluten Werte der Unterschiede zwischen der Antwort und der vorhergesagten Antwort. (Alle Faktoren sind kontinuierlich).
Wenn ich "Antwort" als beobachteten Wert und "vorhergesagte Antwort" als Modellvorhersage interpretiere, würde dies in die Gleichungssumme (| x_i-y_i |) / n übersetzt, wobei n die Anzahl der Beobachtungen ist.
Wenn man sich jedoch Quellen im Internet ansieht, wird diese Menge genannt mittlerer absoluter Fehler ::
Im Statistiken , mittlerer absoluter Fehler ( MAE ) ist ein Maß für Fehler zwischen gepaarten Beobachtungen, die das gleiche Phänomen ausdrücken. Beispiele für Y gegen X umfassen Vergleiche von vorhergesagten gegen beobachtete,
Wikipedia
Das Gleiche Hier ::
Mittlerer absoluter Fehler (MAE): MAE misst die durchschnittliche Größe der Fehler in einer Reihe von Vorhersagen, ohne deren Richtung zu berücksichtigen. Es ist der Durchschnitt über die Teststichprobe der absoluten Unterschiede zwischen Vorhersage und tatsächlicher Beobachtung, wobei alle individuellen Unterschiede das gleiche Gewicht haben.
Gemäß Wikipedia das WÜTEND (um einen zentralen Punkt) ist etwas etwas anderes:
m (X) {\ displaystyle m (X)}
Summe (| x_i-m (X) |) / n wobei m eine "zentrale Tendenz" ist (z. B. Mittelwert, Median).
Frage: Gibt es keine allgemein akzeptierte Definition von MAD und MAE, verstehe ich etwas falsch ... ???
