为啥将神经网络质量表示为 1 减去预测中的平均绝对误差与预测值范围之比？
Posted
技术标签:
【中文标题】为啥将神经网络质量表示为 1 减去预测中的平均绝对误差与预测值范围之比？【英文标题】：Why represent neural network quality as 1 minus the ratio of the mean absolute error in prediction to the range of the predicted values?为什么将神经网络质量表示为 1 减去预测中的平均绝对误差与预测值范围之比？ 【发布时间】：2016-07-23 10:27:31 【问题描述】：documentation for IBM's SPSS Modeler 将神经网络质量定义为：
对于连续目标，这个 1 减去预测中的平均绝对误差（预测值的绝对值的平均值减去观测值）与预测值范围（最大预测值减去最小值）的比值预测值）。
这是计算标准吗？
我无法理解质量是如何由此得出的。
【问题讨论】：
【参考方案1】：这里的要点是使网络质量度量独立于输出值的范围。建议的度量是1 - relative_error 这意味着对于一个完美的网络，您将获得最大质量 1。这也意味着质量不能小于 0。
例子：
如果您想预测 0 到 1 范围内的值，0.2 的绝对误差意味着 20%。在预测 0 到 100 范围内的值时，对于 20% 的相同准确度，您可能会有更大的绝对误差 20。
使用您描述的公式时，您会得到以下相对错误：
1 - 0.2 / (1 - 0) = 0.8
1 - 20 / (100 - 0) = 0.8
【讨论】：
以上是关于为啥将神经网络质量表示为 1 减去预测中的平均绝对误差与预测值范围之比？的主要内容，如果未能解决你的问题，请参考以下文章