저는 신경 플랫폼을 사용하여 일부 관찰 된 데이터에서 예측을 수행하고 해당 모델의 성능을 JMP가 아닌 다른 모델과 비교하고자하는 모델을 계산하고 있습니다. 다른 모델을 비교하기 위해 관찰 된 데이터와 다른 모델의 예측을 비교하고 싶습니다.
R2는 관측 값과 예측값 y = ax + b (y = 관찰) 및 (x = 예측) 사이의 선형 관계를 확인하기 때문에 좋은 측정이 아니며 a = 1 및 b 인 경우에만 관심이 있습니다. = 0.
(-질문 : "관찰 vs. 예측"또는 "예측 vs. 관측"을 보는 것이 중요합니까?)
그래서 저는 R2가 아닌 RMSE와 MAD를보고 있습니다. (질문 : 사용할 수있는 다른 조치가 있습니까?)
-이제 JMP 매뉴얼을 보면 다음과 같은 정의가 있습니다.
평균 절대 편차 : 반응과 예측 반응 간의 차이 절대 값의 평균입니다. (모든 요인은 연속적입니다).
"반응"을 관측 값으로 해석하고 "예측 반응"을 모델 예측으로 해석하면 방정식 sum (| x_i-y_i |) / n으로 해석됩니다. 여기서 n은 관측치 수입니다.
그러나 인터넷의 출처를 보면이 수량을 절대 오류를 의미 :
에 통계 , 절대 오류를 의미 ( MAE )는 오류 동일한 현상을 표현하는 쌍 관찰 사이. Y 대 X의 예에는 예측 대 관찰 비교,
위키 백과
똑같다 여기 :
평균 절대 오차 (MAE) : MAE는 방향을 고려하지 않고 일련의 예측에서 오류의 평균 크기를 측정합니다. 모든 개인차의 가중치가 동일한 경우 예측과 실제 관찰 간의 절대 차이에 대한 테스트 샘플에 대한 평균입니다.
에 따르면 위키 백과 그만큼 미친 (중심점 주변)은 약간 다릅니다.
m (X) {\ displaystyle m (X)}
sum (| x_i-m (X) |) / n 여기서 m은 "중심 경향"(예 : 평균, 중앙값)입니다.
질문 : MAD와 MAE에 대해 일반적으로 통용되는 정의가 없습니다. 제가 뭔가를 오해하고 있습니까 ... ???
