【深度学习】回归任务评价方法（MSE、MAE、RMSE）
回归lossMSE1n∑ni=1
·
概念
在回归（Regression）方法中，我们预测一系列连续的值，在预测完后需要评价预测结果的好坏。关于这个评价标准，目前学术界有多种标准。在深度学习中最常见的是 MSE和 MAE。
对照表
| 评价方法 | 公式 | 等同于 | 求导 | 互相转换 |
|---|---|---|---|---|
| 均方误差（MSE） | 1N∑i=1N⟮y−y^⟯2\frac{1}{N}\sum_{i=1}^N{\lgroup{y}-\hat{y}\rgroup}^2N1∑i=1N⟮y−y^⟯2 | L2 | 2N∑i=1N⟮y−y^⟯⋅y^′\frac{2}{N}\sum_{i=1}^N{\lgroup{y}-\hat{y}\rgroup} \cdot {\hat{y}^{\prime}}N2∑i=1N⟮y−y^⟯⋅y^′ | MSE==RMSE2{MSE} == {RMSE}^2MSE==RMSE2 |
| MAE | 1N∑i=1N∣y−y^∣\frac{1}{N}\sum_{i=1}^N\mid{y}-\hat{y}\midN1∑i=1N∣y−y^∣ | L1 | ±1N∑i=1Ny^′\pm \frac{1}{N}\sum_{i=1}^N {\hat{y}^{\prime}}±N1∑i=1Ny^′ | |
| RMSE | 1N∑i=1N⟮y−y^⟯2\sqrt{\frac{1}{N}\sum_{i=1}^N{\lgroup{y}-\hat{y}\rgroup}^2}N1∑i=1N⟮y−y^⟯2 | RMSE==MSE{RMSE} == \sqrt{MSE}RMSE==MSE |
更多推荐
6
0- 0
已为社区贡献19条内容
所有评论(0)