Pertanyaan yang diberi tag «rms»

3
Berarti kesalahan absolut ATAU root berarti kesalahan kuadrat?
Mengapa menggunakan Root Mean Squared Error (RMSE) alih-alih Mean Absolute Error (MAE) ?? Hai Saya telah menyelidiki kesalahan yang dihasilkan dalam perhitungan - Saya awalnya menghitung kesalahan sebagai Root Mean Normalized Squared Error. Melihat sedikit lebih dekat, saya melihat efek kuadrat kesalahan memberikan bobot lebih besar untuk kesalahan yang lebih …
59 least-squares  mean  rms  mae 

1
Bagaimana cara menginterpretasikan ukuran kesalahan?
Saya menjalankan klasifikasi di Weka untuk dataset tertentu dan saya perhatikan bahwa jika saya mencoba memprediksi nilai nominal, output secara spesifik menunjukkan nilai prediksi yang benar dan salah. Namun, sekarang saya menjalankannya untuk atribut numerik dan hasilnya adalah: Correlation coefficient 0.3305 Mean absolute error 11.6268 Root mean squared error 46.8547 …


2
Mengapa meminimalkan MAE menyebabkan peramalan median dan bukan rata-rata?
Dari buku Forecasting: Principles and Practice oleh Rob J Hyndman dan George Athanasopoulos , khususnya bagian tentang pengukuran akurasi : Metode perkiraan yang meminimalkan MAE akan menghasilkan perkiraan median, sedangkan meminimalkan RMSE akan mengarah pada perkiraan rata-rata. Bisakah seseorang memberikan penjelasan intuitif mengapa meminimalkan MAE mengarah pada peramalan median dan …
19 forecasting  mean  median  rms  mae 

2
Validasi silang dan regresi logistik ordinal
Saya mencoba memahami validasi silang untuk regresi logistik ordinal. Tujuan permainan ini adalah untuk memvalidasi model yang digunakan dalam analisis ... Saya pertama kali membuat kumpulan data mainan: set.seed(1) N <- 10000 # predictors x1 <- runif(N) x2 <- runif(N) x3 <- runif(N) # coeffs in the model a <- …

1
RMSE vs Standar deviasi dalam populasi
RMSE (Root mean square error) dan SD (Standar deviasi) memiliki rumus yang sama. Tautan ini mengatakan Satu-satunya perbedaan adalah bahwa Anda membaginya dengan dan bukan karena Anda tidak mengurangi mean sampel di sini. RMSE kemudian akan sesuai dengan . Oleh karena itu, populasi RMSE adalah dan Anda menginginkan CI untuk …

2
RMSE (Root Mean Squared Error) untuk model logistik
Saya punya pertanyaan tentang validitas menggunakan RMSE (Root Mean Squared Error) untuk membandingkan model logistik yang berbeda. Responsnya adalah salah 0atau 1dan prediksi adalah probabilitas antara 0- 1? Apakah cara yang diterapkan di bawah ini juga berlaku untuk respons biner? # Using glmnet require(glmnet) load(url("https://github.com/cran/glmnet/raw/master /data/BinomialExample.RData")) cvfit = cv.glmnet(x, y, …

2
RMSE yang dinormalisasi
Saya memiliki beberapa deret waktu dalam VAR (1) dan, karena beberapa dari mereka tidak memiliki satuan ukuran yang sama, saya ingin memperkirakan RMSE dalam persentase. Saya tahu itu bisa dilakukan dalam beberapa cara (lihat di bawah) tetapi saya tidak tahu persis mana yang lebih cocok dengan masalah evaluasi perkiraan. Saya …
10 time-series  mse  rms 


1
Model pembelajaran dalam mana yang dapat mengklasifikasikan kategori yang tidak eksklusif satu sama lain
Contoh: Saya memiliki kalimat dalam deskripsi pekerjaan: "Java senior engineer in UK". Saya ingin menggunakan model pembelajaran yang mendalam untuk memperkirakannya sebagai 2 kategori: English dan IT jobs. Jika saya menggunakan model klasifikasi tradisional, hanya dapat memprediksi 1 label dengan softmaxfungsi di lapisan terakhir. Dengan demikian, saya dapat menggunakan 2 …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

1
Menggunakan beberapa imputasi untuk bahaya proporsional Cox, lalu validasi dengan paket rms?
Saya telah meneliti paket tikus , dan saya belum menemukan cara untuk menggunakan beberapa imputasi untuk membuat model Cox, kemudian memvalidasi model itu dengan fungsi paket rmsvalidate() . Berikut adalah beberapa contoh kode dari apa yang saya miliki sejauh ini, menggunakan kumpulan data veteran: library(rms) library(survival) library(mice) remove(veteran) data(veteran) veteran$trt=factor(veteran$trt,levels=c(1,2)) …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.