【问题标题】:What is wrong with Root Mean Square Error?均方根误差有什么问题?
【发布时间】:2018-04-26 22:43:35
【问题描述】:

我不明白我的 rMSE 实现有什么问题。我正在使用 MSE 作为损失函数和度量标准来训练我的模型。训练后,我使用evaluate 函数在测试集中评估我的模型,然后使用predict 函数获取值。然后我应用 rMSE。我的代码是:

obs= model.compile(loss='mse', optimizer=keras.optimizers.Adam(lr=0.001),metrics=['mse'])
.......
test_eval = model.evaluate(X_test, Y_test, verbose=1)
print('Test loss (MSE):', test_eval[0])
predicted= model.predict(X_test, verbose=0)
rMSE = np.sqrt(pow(np.mean(predited- Y_test), 2))
print(rMSE)

我得到了这个结果:

Test loss (MSE): 12.0075311661
2.90274470011

但是 12.0075311661 的平方不是 2.90274470011。那么,有什么问题呢?

【问题讨论】:

    标签: math deep-learning keras mse


    【解决方案1】:

    在求均值之前按元素对差值求平方。您想找到平方差的平均值,而不是平均距离的平方。

    【讨论】:

      猜你喜欢
      • 2018-02-22
      • 2020-03-29
      • 2019-09-24
      • 1970-01-01
      • 1970-01-01
      • 2014-03-22
      • 2020-08-17
      • 2018-07-06
      • 2023-03-10
      相关资源
      最近更新 更多