随机森林回归 MAE

Posted

技术标签:

【中文标题】随机森林回归 MAE【英文标题】:Random Forest Regression MAE 【发布时间】:2019-12-06 02:25:38 【问题描述】:

我正在尝试创建一个随机森林回归模型来预测具有以下特征的连续变量(对数转换后):

计数 2868.000000 平均 4.566630 标准 1.233496 最小 -0.356675 25% 3.745966 50% 4.604670 75% 5.452325 最大 8.141889

就负平均绝对误差而言,我得到的最佳结果是 -0.64。我应该如何评估这个结果?是好/好/坏吗?

非常感谢。

【问题讨论】:

【参考方案1】:

这里是文档docs的链接

您的问题的简单答案是肯定的,拥有 -0.64 NMAE 是一件好事。

NMAE 与 MAE 相反,但您基本上可以去掉减号并将其视为正常的 MAE。所以这意味着如果你有一个高 MAE,这意味着 NMAE 也很高,这不是一个好的结果,但低 MAE 可以被视为低 NMAE,这当然被认为是一个好的结果,这取决于你想要什么。

【讨论】:

以上是关于随机森林回归 MAE的主要内容,如果未能解决你的问题,请参考以下文章

scikit-learn 中使用标准 MAE 而不是 MSE 的随机森林回归慢约 150 倍 [重复]

梯度提升回归树与随机森林的特征重要性计算

随机森林原理

随机森林(分类与回归)

张量流随机森林回归

随机森林回归器的特征选择