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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注