Chỉ số đánh giá

R2

R2(Hệ số xác định)có lẽ là số liệu đầu tiên bạn thấy khi bắt đầu tìm hiểu về hồi quy tuyến tính và đánh giá Đối với tuyến tính,R2tương đương với:

Nếu chúng ta chia nhỏ các phần tử của công thức,

Đó làSSE(tổng bình phương còn lại) làRMSEkhông tính được giá trị trung bình hoặc căn bậc hai

SST(Căn bậc hai bình phương)có định nghĩa sau là giá trị trung bình của biến mục tiêu

R2, so sánh mô hình đã tạo với mô hình đơn giản chỉ sử dụng giá trị trung bình của biến mục tiêu làm giá trị tỷ lệ cá cược nhà cái(Chia cái sau cho cái trước)Do đó, số liệu này cho thấy hiệu suất so với một mô hình rất đơn giản Trong một số trường hợp,R2Hệ số sẽ âm(Nếu độ chính xác của tỷ lệ cá cược nhà cái kém hơn giá trị trung bình của biến mục tiêu)。

Điểm

1. Rất phổ biếnMSE
2. Giá càng cao mẫu mã càng đẹp Phạm vi là từ -∞1
3. So sánh giữa các Dell một cách dễ dàng và nhất quán Ví dụRMSEthì lỗi là5'' không có ý nghĩa nếu không có ngữ cảnh Nếu bạn đang tỷ lệ cá cược nhà cái nhiệt độ hàng ngày,5có vẻ như một phạm vi lỗi bình thường Nhưng nếu bạn đang tỷ lệ cá cược nhà cái số lượng con cái trong gia đình,+-5là không tốt Trung bình, giá trị kỳ vọng của một đứa trẻ5cũng sai Trong những trường hợp như vậy, mô hình nguyên thủy có thể mang lại độ chính xác cao hơn Tuy nhiên,R2là số liệu so sánh độ chính xác với mô hình cơ bản, vì vậy đây là giá trị có thể so sánh giữa các mô hình Dựa trên kinh nghiệm của tôi, hãy tham khảo bảng bên dướiR2Bạn không thể tạo bảng như vậy trong mô hình khác mà không có ngữ cảnh
   

   R bình phương(R2giá trị)	Đánh giá(Đánh giá)
   <0,0	Tệ hơn việc tỷ lệ cá cược nhà cái giá trị trung bình của biến mục tiêu
   <0,1	Xấu
   <0,2	Hơi tệ
   <0,3	Kém đến trung bình
   <0,5	Bình thường
   <0,7	khá đến tốt
   <0,9	Tốt
   >0,9	Tốt lắm!

   
   
4. Hãy nhớ rằng ngay cả những mô hình kém chính xác hơn cũng có giá trị Có câu nói: “Tất cả các mô hình đều sai, nhưng một số mô hình lại hữu ích” Đôi khi một mô hình tốt hơn một chút so với mức trung bình cũng đáng có Ví dụ: từ thông tin thời tiết mới nhất3Khi tỷ lệ cá cược nhà cái tốc độ gió sau một giờ, lần trướcⅹDự đoán chính xác hơn thời gian trung bình có thể cứu được mạng tỷ lệ cá cược nhà cáing, chẳng hạn như khi quyết định có nên cất cánh máy bay hay không
   Mặt khácR2đắt tiền không có nghĩa là nó đáng sử dụng Ví dụ: một công ty tiếp thịDMKính gửi công ty1,000Mỗi ngày cho một người dùng khác trả $ và được quảng cáo sản phẩm đó100,000Giả sử bạn đã ký hợp đồng gửi email thông thường cái này100,000Bởi người dùng đã mua một mặt hàng từ email của bạn10,000Bạn sẽ kiếm được USD Giả sử rằng phần lớn doanh thu của bạn đến từ một tỷ lệ nhỏ đối tượng email của bạn công ty tiếp thị500bằng đô la10,000Một tin nhắn khác cần gửiDMBạn có thể giảm chi phí bằng cách chọn công ty(Ban đầu1,000bằng đô la100,000Tôi là người sành sỏi)。100,000Đã tạo mô hình để tỷ lệ cá cược nhà cái tổng doanh thu được tạo ra từ người được tỷ lệ cá cược nhà cái là có xác suất mua hàng cao nhất10,000Rẻ cho một ngườiDMChúng tôi đã giảm chi phí bằng cách chuyển sang sử dụng dịch vụ Mô hình này có tỷ lệ cá cược nhà cái doanh thu bình quân đầu người khá caoR2mô hình(Ví dụ0.9)Trong trường hợp đó, xác suất mua hàng sẽ cao10,000100,000Doanh thu ước tính nếu liên hệ với tất cả người dùng90％(hoặc9,000/10,000Đô la)Ngay cả khi nó không hoàn hảo, nó có vẻ như là một kết quả dự đoán khá tốtTuy nhiên10% hoàn trả(1,000Phút đô la)vẫn bị mất sau khi thay đổiDMKhông được gửi bởi dịch vụ90,000Thu nhập ước tính cho500Đô laDMSẽ vượt quá mức tiết kiệm chi phí
5. Tôi không biết nhiều về sai số trung bình Như đã đề cập ở trên, điều này cho thấy nó chính xác hơn bao nhiêu so với mô hình cơ bản Do đó, chỉ báo này làRMSEỪMAEvà các chỉ báo khác có thể kiểm tra lỗi
6. Điều này phản trực giác vì nó vô cùng âm
7. MSE vàRMSElogic tối ưu hóa có thể được sử dụng
8. Hầu hết các sản phẩm/Nó có logic tối ưu hóa trong gói

Khi nào nên sử dụng

Đây là khi bạn muốn kiểm tra độ chính xác của mô hình cơ bản sử dụng giá trị trung bình của biến mục tiêu cho giá trị tỷ lệ cá cược nhà cái Lý tưởng nhất là nó nên được sử dụng kết hợp với các số liệu khác cho phép một số hình thức đo lường lỗi Số liệu này giúp so sánh độ chính xác giữa các mô hình tỷ lệ cá cược nhà cái những điều hoàn toàn khác nhau

Hệ số tương quan và R2

Có thể so sánh giữa các mô hìnhR2Để tránh điều này,AI không cần người láiVậyR2là Pearsonr(Hệ số tương quan mô men tích của Pearson)R2MSEĐối với logic tối ưu hóa hồi quy tuyến tính, kết quả được tính từ công thức tương tự như trong phần trước Đối với các loại mô hình khác,R2sẽ là một biểu hiện khác

Trong biểu thức này,R2biểu thị mức độ thay đổi của cả giá trị tỷ lệ cá cược nhà cái và giá trị đo được ở trạng thái nàyR2là0～10không có mối tương quan giữa tỷ lệ cá cược nhà cái và đo lường thực tế,1có nghĩa là mối tương quan hoàn hảo Nhưng nội bộMSEĐiểm yếu của phương pháp này, sử dụng logic tối ưu hóa để đạt được mức giảm thiểu đáng kể, là nó hoàn toàn bỏ qua các lỗi tính toán Trước hết, chúng ta sẽ tập trung vào việc tính gần đúng giá trị đo được thực tế và giá trị tỷ lệ cá cược nhà cái, bất kể mức độ Ví dụ: bên dưới2Mẫu giống nhauR2Điểm số

Mặc dù chuỗi màu xanh lam có ít lỗi hơn nhưng cả hai mô hình đều có khả năng tỷ lệ cá cược nhà cái sự biến đổi của biến mục tiêu như nhau Như đã đề cập ở trên, nhược điểm này làMSE

Thử nghiệm

R2như sau

0.96271trong sốR2là tất cảThử nghiệm, so sánh giữa giá trị tỷ lệ cá cược nhà cái và giá trị đo đượcMAPE

Tiêu đề gốc

(Chính thức)Blog H2Oai

Marios Michailidis