1.均方误差MSE(Mean Square Error): 2.均方根误差RMSE(Root Mean Squared Error): 均方根误差RMSE很好的解决了量纲的问题。 3.平均绝对误差MAE(Mean Absolute Error):
MSE:最常用的指标之一,当数据集包含大量噪声时,它最没用。但当数据集包含异常值(太高或太低)时,它最有用。 RMSE:在RMSE中,误差在平均之前先平方,这意味着RMSE为更大的错误分配更高的权重。这表明当存在大错误并且它们会极大地影响模型的性能时,RMSE更有用。RMSE比MSE更广泛用于评估回归模型于其他随机模型的性...
大的误差也有比较高的权重,RMSE则是针对误差不是很明显的时候:MAE是一个线性的指标,所有个体差异在平均值上均等加权,所以它更加凸显出异常值,相比MSE: RMSLE: 主要针对数据集中有一个特别大的异常值,这种情况下,data会被skew,RMSE会被明显拉大,这时候就需要先对数据log下,再求RMSE,这个过程就是RMSLE.对低估值...
Linear: Use MSE, RMSE, or MAE. Non-linear: Consider MAE, RMSE, or MSLE. Step 2: Are outliers a concern? Yes: Use MAE or Huber Loss. No: Continue to the next step. Step 3: Is interpretability important? Yes: Use MAE or MSE. No: Proceed to the next decision. Step 4:...