Giới thiệu

H2OAIỪAI không cần người lái, tôi đã thấy nhiều người gặp khó khăn tỷ lệ cá cược châu âu việc chọn số liệu tối ưu hóa cho các vấn đề phân tích của họ

Mô hình ngẫu nhiên(Mô hình xác suất), nơi các lỗi được nhóm lại với nhau, việc chọn số liệu đánh giá có xu hướng đặc biệt khó khăn đối với các vấn đề hồi quy

Bạn mong đợi một "mô hình tốt" sẽ hoạt động tốt trên tất cả các chỉ số hiệu suất, nhưng trường hợp này hiếm khi xảy ra

tỷ lệ cá cược châu âu hầu hết các trường hợp, hầu hết các chỉ số hiệu suất sẽ cải thiện khi quá trình tối ưu hóa được bắt đầu Tuy nhiên, sau một thời gian, việc cải thiện hiệu suất ở một số liệu sẽ dẫn đến suy giảm hiệu suất ở các số liệu khác

Đặc biệt là sai số tuyệt đối trung bình(MAE)và sai số bình phương trung bình(MSE), tôi đã gặp tình trạng này nhiều lần

Tới mẫuMAEKhi chọn logic tối ưu hóa, tỷ lệ cá cược châu âu lần lặp đầu tiên của thuật toánMSEcũngMAEcũng nhỏ(Độ chính xác tốt)Nó đã trở thành như vậy Tuy nhiên, sau một thời gianMAEchỉ được cải thiện,MSEđã tăng lên Nói cách khác, khi tối ưu hóa một mô hình, bạn chỉ có thể tối đa hóa hiệu quả bằng cách tối ưu hóa các số liệu quan trọng nhất đối với mình, nếu không bạn sẽ không nhận được kết quả tối ưu

tỷ lệ cá cược châu âu bài viết này, chúng tôi sẽ xem xét các chỉ số hồi quy phổ biến và thảo luận về ưu điểm và nhược điểm của từng chỉ số cũng như đề xuất sử dụng các chỉ số cụ thể Ngoài ra, dưới dạng dữ liệu demoKaggleĐiều này dự đoán doanh số bán hàng tùy chỉnh cho các phòng ban và cửa hàng khác nhau cho từng nhà bán lẻ và dữ liệu là140Thời lượng kéo dài hơn một tuần Phân tích làH2OAIcủaDriverlessAIDưới đây là bản tóm tắt dữ liệu

Trích trích dữ liệu

*Phân phối của biến mục tiêu có đuôi phải mở rộng đáng kể so với giá trị trung bình

Biến mục tiêu(Doanh số hàng tuần：Doanh số hàng tuần)như sau

Tên	Tối thiểu	Trung bình(giữa)	Tối đa(Tối đa)	Std(Độ lệch chuẩn)
Doanh số hàng tuần	-4,988.940	20,415.910	406,988.630	19,475.064

Chỉ số đánh giá

RMSE(hoặcMSE)

Lỗi bình phương trung bình gốc(RMSE), lỗi bình phương trung bình(MSE)―Trừ căn bậc haiRMSE―là chỉ số phổ biến nhất Vua của các chỉ số hồi quy/Nếu có danh hiệu dành cho Nữ hoàng thì chính là danh hiệu này Công thức là:

*Tuy nhiêny^ilà giá trị dự đoányilà giá trị thực tế

Nói cách khác, dữ liệu thử nghiệm/Tất cả lỗi trên mỗi hàng(hoặc dư), tính tổng và chia cho tổng số giá trị đo được Sau đó lấy căn bậc hai để khớp chỉ báo về tỷ lệ ban đầu(MSEChưa triển khai)。

Điểm

1. Một số liệu rất phổ biến để tối ưu hóa hồi quy tuyến tính tổng quát/Chỉ báo giảm thiểu Nó cũng là chỉ số lâu đời nhất
2. Vì là giá trị lỗi nên giá trị càng nhỏ thì độ chính xác càng cao Ngoài ra,0
3. Gán trọng số lớn hơn cho lỗi lớn hơn1Các lỗi nhỏ như sau không góp phần nhiều vào lỗi tích lũy khi bình phương Mặt khác, sai số càng lớn thì hiệu ứng bình phương càng lớn
4. Dễ bị ảnh hưởng bởi các ngoại lệ Một lỗi lớn tỷ lệ cá cược châu âu dữ liệu mẫu có ảnh hưởng lớn đến lỗi tích lũy, do đó logic tối ưu hóa1Tập trung vào việc giảm thiểu lỗi đối với một phần dữ liệu và kết quả dự đoán cho tất cả dữ liệu khác sẽ kém
5. Dễ dàng tối ưu hóa Vì dễ lấy vi phân nhờ thuộc tính hình vuông, nên độ dốc giảm dần ngẫu nhiên(Giảm độ dốc ngẫu nhiên)
6. LightGBM、XGboost、KerasRMSE/MSE

Khi nào nên sử dụng

Đây là một chỉ báo lý tưởng khi bạn không muốn gây ra lỗi lớn Nói cách khác, nó phù hợp với những trường hợp có thể xảy ra nhiều lỗi dự đoán khá lớn miễn là một lỗi dự đoán không trở nên cực kỳ lớn Ví dụ:100+-2002Nếu tệ gấp đôiRMSE/MSElà thước đo cần chọn

Thử nghiệm (Xác minh tỷ lệ cá cược châu âu H20)

Được rồi,AI không cần người láiRMSETối ưu hóa các cửa hàng khác nhau/Tương lai tỷ lệ cá cược châu âu ngành26Dự báo doanh thu hàng tuần tỷ lệ cá cược châu âu tuần tỷ lệ cá cược châu âu bài viết nàyAI không cần người lái, vì vậy nếu bạn quan tâm, hãy xem video bên dưới*1và bài viết*2

*1　

*2　

Để tham khảoThử nghiệmnhư sau

Đây là kết quả cho từng chỉ số thu được từ dữ liệu thử nghiệm

Người ghi bàn(Chỉ số đánh giá)	Điểm thi cuối kỳ(Điểm kiểm tra cuối kỳ)
MAE	2076.3
MAPE	24.196
MER	9.4783
MSE	13387e+07
R2	0.95816
RMSE	3658.8
RMSLE	nan
RMSPE	17236
SMAPE	17.048

RMSElà3,658Giá trị trung bình của biến mục tiêu tỷ lệ cá cược châu âu dữ liệu thử nghiệm là20,000, đây là một giá trị tốt cho lỗi Cửa hàng cụ thể/Chúng ta hãy xem chuỗi thời gian của từng phòng ban để xem dự đoán như thế nào

Ví dụ: cửa hàngID：39/Bộ phậnID：3Dữ liệu thử nghiệm26Giá trị thực tế tỷ lệ cá cược châu âu tuần(Vàng)và giá trị dự đoán(Trắng)có thể được xác nhận

Lưu ý:8Cao điểm tỷ lệ cá cược châu âu tháng xảy ra hàng năm vào các năm khác nên mang tính mùa vụ/Có vẻ như nó mang tính chu kỳRMSEcố gắng giảm sai số cho dự đoán này

Tiêu đề gốc

(Chính thức)Blog H2Oai

Marios Michailidis

[Tiếp tục tới bài viết tiếp theo]