林在蔚蓝的机器学习线性回归玩和评价模型。评估线性回归(在Microsoft机器学习
林还是有点不确定什么评价各指标的含义和演出,所以希望得到一些修正,如果我是不正确
- 平均绝对误差:。平均残差(错误)
- 均方根误差:标准偏差残差有了这个,我可以看到如何发。从平均值/中位数我的绝对误差是。
- 相对绝对误差:显示相对误差和绝对误差之间百分比差异的百分比值。值越低越好,表明差异较小。
- 相对平方误差:平方误差相对于绝对平方。不确定这是什么给我的相对绝对误差。
- 确定系数:表示输入之间的相关性。 +1或-1表示完美关联,0表示无。
- 直方图显示了各种误差幅度的桶的频率。这显示了很多小错误。随着误差值增加频率降低,表明,如果考虑到上面差的指标,可能有一些sku或异常值对模型有很大的影响,使得它不太准确。
这些定义和假设是否正确?
感谢您的回复。这有助于清理我脑海中的某些事情。 当评估模型是真正有用的信息时,通常会使用advic ethat RMSE和决定系数。 –