저는 관찰된 일부 데이터로부터 예측을 수행하는 모델을 계산하기 위해 신경 플랫폼을 사용하고 있으며 해당 모델의 성능을 JMP가 아닌 다른 모델과 비교하려고 합니다. 다양한 모델을 비교하기 위해 관찰된 데이터와 다양한 모델의 예측을 비교하고 싶습니다.
R2는 관측값과 예측값 y=ax+b(y=관측) 및 (x=예측) 사이의 선형 관계를 확인하기 때문에 좋은 척도가 아니며 a=1 및 b인 경우에만 관심이 있습니다. =0.
(- 질문: "관찰 대 예측" 또는 "예측 대 관찰"을 보는 것이 중요합니까?)
그래서 저는 R2보다는 RMSE와 MAD를 보고 있습니다. (질문: 사용할 수 있는 또 다른 측정 방법이 있습니까?)
- 이제 JMP 매뉴얼을 보면 다음과 같은 정의를 찾을 수 있습니다.
평균 복근 편차 : 반응과 예측 반응 간 차이의 절대값 평균입니다. (모든 요인은 연속적입니다.)
"응답"을 관찰된 값으로 해석하고 "예측된 응답"을 모델 예측으로 해석하면 방정식 sum(|x_i-y_i|)/n으로 변환됩니다. 여기서 n은 관찰 수입니다.
그런데 인터넷 자료를 보면 이 수량을 절대 오류를 의미 :
~ 안에 통계 , 절대 오류를 의미 ( 매 )는 오류 동일한 현상을 나타내는 쌍을 이루는 관측치 사이. Y 대 X의 예에는 예측과 관찰의 비교가 포함됩니다.
위키피디아
똑같다 여기 :
평균 절대 오차(MAE): MAE는 방향을 고려하지 않고 일련의 예측에서 오류의 평균 크기를 측정합니다. 이는 모든 개인차가 동일한 가중치를 갖는 예측과 실제 관찰 간의 절대 차이에 대한 테스트 표본의 평균입니다.
에 따르면 위키피디아 그만큼 미친 (중앙 지점 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 인정되는 정의가 없는 걸까요? 제가 뭔가 잘못 이해하고 있는 걸까요...???
