Обозначим истинное значение интереса как & и стоимости , оцененной с помощью какой - то алгоритм , как & thetas .θθ^
Корреляция говорит вам , сколько и θ связаны между собой . Это дает значения между - 1 и 1 , где 0 нет связи, 1 очень сильная, линейная зависимость и - 1 является обратной линейной связи (т.е. большие значения & thetas указывают меньшие значения & thetas , или наоборот). Ниже вы найдете иллюстрированный пример корреляции.θθ^- 1101- 1θθ^
(источник: http://www.mathsisfun.com/data/correlation.html )
Средняя абсолютная ошибка:
M A E = 1NΣя = 1N| θ^я- θя|
Корневая среднеквадратичная ошибка является:
R M S E = 1NΣя = 1N( θ^я- θя)2--------------⎷
Относительная абсолютная ошибка :
R A E = ∑Nя = 1| θ^я- θя|ΣNя = 1| θ¯¯¯- θя|
где представляет собой среднее значение & thetas .θ¯¯¯θ
Корневая относительная квадратная ошибка:
R R S E = ∑Nя = 1( θ^я- θя)2ΣNя = 1( θ¯¯¯- θя)2--------------⎷
Как видите, все статистические данные сравнивают истинные значения с их оценками, но делают это немного по-другому. Все они говорят вам «как далеко» ваши оценочные значения от истинного значения . Иногда используются квадратные корни, а иногда абсолютные значения - это потому, что при использовании квадратных корней экстремальные значения оказывают большее влияние на результат (см. Почему квадратная разница, а не абсолютное значение в стандартном отклонении? Или в Mathoverflow ).θ
M A ER M S EM S Eθθ^θ
R A ER R S Eθ∑ ( θ¯¯¯- θя)2∑ | θ¯¯¯- θя|θθθ
Проверьте также эти слайды .