离群点对均方根误差的影响以及解决办法

RMSE经常作为衡量回归问题的评估指标。计算公式为

$$RMSE=\sqrt{\frac{{\sum }_{i=1}^n(y_i-{\hat{y}}_i{)}^2}{n}}$$

$y_i$是第$i$个样本的真实值，${\hat{y}}_i$是第$i$个样本的预测值，$n$是样本个数。

一般情况下，RMSE可以很好的反应回归模型预测值相对真实值的偏离情况，但是当存在偏离程度非常大的离群点时，即使离群点数量非常少，也会让RMSE指标变得很差。

如果存在离群点的话，怎么解决呢？

1. 如果认为是离群点是噪声的话，数据预处理阶段过滤掉
2. 如果不认为是离群点是噪声的话，需要进一步提高模型的预测能力
3. 可以找一个对噪声不敏感的指标，例如平均绝对百分比误差(MAPE),MAPE相较于RMSE，对每个点的误差进行了归一化，降低了离群点带来的绝对误差的影响

$$MAPE=\sum _{i=1}^n|\frac{y_i-{\hat{y}}_i}{y_i}|\ast \frac{100}{n}$$

欢迎关注微信公众号（算法工程师面试那些事儿)，建号初期，期待和大家一起刷leecode，刷机器学习、深度学习面试题等，共勉～