所以，这是一个回归问题，我需要预测一个变量的值。我不明白的是，当它说“预测列’abc’并最小化’rmse’损失函数”时，具体是什么意思？

我已经创建了一个线性回归模型，并且得到了99.8的分数。真的有这么简单，还是我错过了什么？

除了显示预测变量后的均方根误差之外，还有其他含义吗？

当我使用线性回归时，我得到了2.467的RMSE。而当我使用随机森林时，我得到了1.336的RMSE。

我的模型好吗，还是我需要做些什么来“最小化RMSE函数”？

P.S – 我在使用sklearn库通过Python创建模型。

回答：

我认为你在交叉验证中会有更好的运气：https://stats.stackexchange.com/

然而，关于编程部分，MSE或RMSE是预测值与真实值之间距离的度量。如果你使用算法预测量，你可能想知道你的预测与真实值相比有多大偏差。

主要目标是缩小这个距离，即通过调整权重和参数，使你的模型预测的值（y-hat）与真实值（y）匹配或非常接近。要改善（降低）RMSE，你能做的最好的事情是超参数调优，这意味着为你的RandomForrestRegressor找到最佳的max_depth、n_features、min_sample_weight和其他参数，一旦你决定坚持使用某个回归模型（在这种情况下，RandomForrest似乎比Linear Regression更好）。

最后，某个RMSE值不能任意被认为是好还是坏。假设你在预测重量。如果你在处理大象，一个RMSE值为1可能是很好的，如果这是1毫克，但如果是1吨，可能就很糟糕了。

这是我能在StackOverflow范围内分享的关于RMSE的最多信息，如我之前提到的，为了深入解释和更好的答案，你应该尝试上面的链接。