多元线性回归模型的有效性评估:合适的均方根误差(RMSE)值范围是多少?

我是机器学习领域的新手。通过一些简单的机器学习技术,我构建了一个基于多元线性回归的机器学习模型,用于预测系统的计算资源使用情况。因此,当我进行测试时,考虑到我的机器学习模型,我得到了小于7的RMSE值(约为6.632)。所以,我有点好奇,这个值在科学界是否被认为是可以接受的?还是这个值太高了?先谢谢您。


回答:

让我给您举两个具有相同RMSE值的例子:

  • 我试图预测一套公寓的租金,租金通常在500美元至1000美元之间。15美元的RMSE值可以被认为是一个非常低的均方根误差,最佳拟合线将能满足我的需求。
  • 我试图预测下一顿家庭晚餐的价格,价格通常在10美元至25美元之间。相同的15美元RMSE值可能会被认为是差的,最佳拟合线可能无法令人满意。

回归问题中许多得分的解释(如RMSE、MAE、MSE)都取决于您的问题领域,以及您认为什么是可以接受的。除非是来自同一个回归问题,否则您无法真正比较RMSE得分。

Related Posts

在使用k近邻算法时,有没有办法获取被使用的“邻居”?

我想找到一种方法来确定在我的knn算法中实际使用了哪些…

Theano在Google Colab上无法启用GPU支持

我在尝试使用Theano库训练一个模型。由于我的电脑内…

准确性评分似乎有误

这里是代码: from sklearn.metrics…

Keras Functional API: “错误检查输入时:期望input_1具有4个维度,但得到形状为(X, Y)的数组”

我在尝试使用Keras的fit_generator来训…

如何使用sklearn.datasets.make_classification在指定范围内生成合成数据?

我想为分类问题创建合成数据。我使用了sklearn.d…

如何处理预测时不在训练集中的标签

已关闭。 此问题与编程或软件开发无关。目前不接受回答。…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注