如何解释我的随机森林回归准确度数据？答案

【问题标题】：How do I interpret my Random Forest Regression accuracy data?如何解释我的随机森林回归准确度数据？
【发布时间】：2022-01-03 08:51:38
【问题描述】：

我有一个数据集来根据推文情绪分析加密货币价格，并且我正在使用随机森林回归。我的利率是好还是坏？我如何解释它们？

【问题讨论】：

【解决方案1】：

您的 rmse 约为 100，与平均硬币价格 4400 相比，误差不大。我认为您可以努力获得更普遍或更准确的预测。也许您也可以使用其他数据来验证您的模型。

但这真的取决于你想要的目标。如果目标是做 HFT，2% 的误差会非常大。如果您的目标是以 RF 模型为基础，我认为这是一个很好的起点。

虽然这是一项预测任务，但可能需要先检查推文和加密货币价格之间的相关性，以便确保这两个变量之间有足够的统计关系（分类变量与区间变量的相关性方法可能会有所帮助） .

【讨论】：

【解决方案2】：

平均绝对误差实际上是您的预测与“真实”值之间的平均“距离”。均方误差是距离平方的平均值。正如您从代码中看到的那样，RMSE 是均方误差的平方根。

在 MAE 的情况下，它对“平衡”事物很有用。如何？百分比或分数。 MAE/np.mean(y_test) 但根据您使用的数据，您可以使用 np.max(y_test) 或 np.min(y_test)。

MSE 不那么宽容，因为它是二次缩放的，因此对于每个“误差单位”，它基本上会增长得更快。

因此，MSE 和 RMSE 都更重视较大的误差。通常，您可以比较运行之间的 RMSE 分数，改进会更加明显，我通常使用 RMSE 作为评分器来最小化，因为当您使用 MAE 时，小的偏差可能只是 RF 中随机性的一部分。

【讨论】：