วิธีการตีความการวัดข้อผิดพลาด?

ฉันใช้การจำแนกประเภทใน Weka สำหรับชุดข้อมูลบางอย่างและฉันสังเกตเห็นว่าถ้าฉันพยายามที่จะทำนายค่าเล็กน้อยผลลัพธ์จะแสดงค่าที่ถูกต้องและคาดการณ์ไม่ถูกต้องโดยเฉพาะ อย่างไรก็ตามตอนนี้ฉันกำลังเรียกใช้สำหรับคุณลักษณะที่เป็นตัวเลขและผลลัพธ์คือ:

Correlation coefficient                 0.3305
Mean absolute error                     11.6268
Root mean squared error                 46.8547
Relative absolute error                 89.2645 %
Root relative squared error             94.3886 %
Total Number of Instances               36441

ฉันจะตีความสิ่งนี้ได้อย่างไร ฉันลองใช้ความคิดแต่ละอย่างแล้ว แต่ฉันไม่เข้าใจมากนักเนื่องจากสถิติไม่ได้อยู่ในความเชี่ยวชาญของฉัน ฉันขอขอบคุณคำตอบประเภท ELI5 อย่างมากในแง่ของสถิติ

— FloIancu
แหล่งที่มา

ขอแสดงค่าที่แท้จริงของดอกเบี้ยและความคุ้มค่าโดยประมาณโดยใช้ขั้นตอนวิธีการบางอย่างที่θ $\theta$ $\hat{\theta}$

ความสัมพันธ์จะบอกคุณเท่าใดและที่เกี่ยวข้อง มันจะให้ค่าระหว่างและที่ไม่มีความสัมพันธ์มีความแข็งแรงมากความสัมพันธ์เชิงเส้นและเป็นเชิงเส้นความสัมพันธ์ผกผัน (เช่นค่าที่ใหญ่กว่าของบ่งบอกถึงค่าที่เล็กกว่าของหรือในทางกลับกัน) ด้านล่างคุณจะพบตัวอย่างที่แสดงให้เห็นถึงความสัมพันธ์ $\theta$ $\hat{\theta}$ $-1$ $1$ $0$ $1$ $-1$ $\theta$ $\hat{\theta}$

ตัวอย่างความสัมพันธ์

(ที่มา: http://www.mathsisfun.com/data/correlation.html )

หมายถึงข้อผิดพลาดสัมบูรณ์คือ:

M A E = \frac{1}{ยังไม่มีข้อความ} Σ_{ผม = 1}^{ยังไม่มีข้อความ} | {\hat{θ}}_{ผม} - θ_{ผม} |

$\mathrm{MAE} = \frac{1}{N} \sum^N_{i=1} | \hat{\theta}_i - \theta_i |$

รูทค่าเฉลี่ยของข้อผิดพลาดสแควร์คือ:

R M S E = \sqrt{\frac{1}{ยังไม่มีข้อความ} Σ_{ผม = 1}^{ยังไม่มีข้อความ} {({\hat{θ}}_{ผม} - θ_{ผม})}^{2}}

$\mathrm{RMSE} = \sqrt{ \frac{1}{N} \sum^N_{i=1} \left( \hat{\theta}_i - \theta_i \right)^2 }$

ข้อผิดพลาดสัมบูรณ์สัมพัทธ์:

R A E = \frac{Σ_{ผม = 1}^{ยังไม่มีข้อความ} | {\hat{θ}}_{ผม} - θ_{ผม} |}{Σ_{ผม = 1}^{ยังไม่มีข้อความ} | \bar{θ} - θ_{ผม} |}

$\mathrm{ RAE} = \frac{ \sum^N_{i=1} | \hat{\theta}_i - \theta_i | } { \sum^N_{i=1} | \overline{\theta} - \theta_i | }$

$\overline{\theta}$ $\theta$

ข้อผิดพลาดกำลังสองของรูทสัมพัทธ์:

R R S E = \sqrt{\frac{Σ_{ผม = 1}^{ยังไม่มีข้อความ} {({\hat{θ}}_{ผม} - θ_{ผม})}^{2}}{Σ_{ผม = 1}^{ยังไม่มีข้อความ} {(\bar{θ} - θ_{ผม})}^{2}}}

$\mathrm{ RRSE }= \sqrt{ \frac{ \sum^N_{i=1} \left( \hat{\theta}_i - \theta_i \right)^2 } { \sum^N_{i=1} \left( \overline{\theta} - \theta_i \right)^2 }}$

$\theta$

$\mathrm{ MAE}$ $\mathrm{ RMSE}$ $\mathrm{ MSE}$ $\theta$ $\hat{\theta}$ $\theta$

$\mathrm{ RAE}$ $\mathrm{ RRSE}$ $\theta$ $\sum(\overline{\theta} - \theta_i)^2$ $\sum|\overline{\theta} - \theta_i|$ $\theta$ $\theta$ $\theta$

ตรวจสอบสไลด์เหล่านั้นด้วย

— ทิม
แหล่งที่มา

ขอบคุณสำหรับคำอธิบาย! ฉันพยายามประเมินประสิทธิภาพของอัลกอริทึมต่างๆ ตัวอย่างเช่นถ้าฉันได้รับผลลัพธ์อื่น ๆ (สหสัมพันธ์: 0.3044, แม่: 10.832, MSE: 47.2971, RAE: 83.163%, RSE: 95.2797%) และฉันพยายามที่จะเปรียบเทียบกับคนแรกที่ฉันสามารถทำได้ ดีขึ้นหรือไม่

— FloIancu

คุณควรเลือกแบบจำลองที่มีความสัมพันธ์มากขึ้นและการประมาณข้อผิดพลาดน้อยลง ตามที่คุณเห็นมีการวัดประสิทธิภาพของแบบจำลองหลายแบบ (และมีเพียงไม่กี่แบบ) และบางครั้งพวกเขาก็ให้คำตอบที่แตกต่างกัน มันแทบจะไม่เคยได้รับคำตอบแบบ "ใช่ / ไม่ใช่" งานการเลือกแบบจำลองจะง่ายขึ้นถ้าคุณตามทฤษฎีคุณสามารถตรวจสอบตัวอย่างการบรรยายเหล่านั้นได้

— ทิม

ขอบคุณมาก! ฉันไปข้างหน้าและทำเครื่องหมายคำตอบของคุณเป็นคำตอบเพราะคุณได้ช่วยฉันมากมาย!

— FloIancu

@Tim Mean ข้อผิดพลาดแบบสัมบูรณ์น่าจะเป็นชื่อย่อว่า :) แม่

— แอนทอน

@MewX การอ้างอิงประเภทใดที่คุณกำลังมองหา มันเป็นพื้น RMSE ช่วย ไม่มีอะไรจะพูดเกี่ยวกับมันมากนัก ...

— ทิม