MSE,RMSE,MAE,MAPE,sMAPE…等等有大量不同的错误度量标准,每个错误度量标准都有其优点和缺点,并且涉及的案例比以前更多。那么,如何决定要为我们的项目使用哪种指标呢?
我相信回答这个问题的关键是了解这些最流行的度量标准的优势和局限性。这样,我们就可以选择最适合手头任务的度量标准。这就是为什么在本文中我将介绍我最近使用的两个度量标准。
平均绝对百分比误差是用于评估预测性能的最受欢迎的指标之一。由以下公式给出。
其中A_t代表实际值,而F_t是预测值。在这种情况下,如果我们正在做一般回归问题(预测一个人的体重或房屋价格),我们可以将t解释为观察值,或者将其解释为时间序列分析中的时间指数。
该公式通常包括将值乘以100%,以百分比形式表示数字。
优点
缺点
在讨论了MAPE之后,我们还将介绍它的建议替代方案之一—对称MAPE。本来可以克服上述不对称性,即预测的无限性高于实际情况。
那里有几种不同版本的sMAPE。另一种流行且普遍接受的方法是在分母的中加上绝对值,以说明当实际值和预测值均等于0时,sMAPE不确定。
优点
缺点
在本文中,我描述了对回归问题进行性能评估的两种流行方法。虽然它可以解决MAPE的一些缺点,但仍然存在一些问题,并且还会创建一些新问题。您可以调查的其他一些指标是:
平均绝对比例误差(MASE)
平均方向精度(MDA)
准确率的对数(预测值与实际值的比率)
本文分享自 DeepHub IMBA 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!