机器学习笔记-回归问题的性能指标

回归问题是典型的监督学习的一类算法,目标是通过有标签的一组数据训练出一个线性模型,对于输入能够产生一个预测值。回归问题的典型指标是均方根误差(RMSE),它测量的是系统预测误差的标准差,例如RMSE等于50000,意味着68%的系统封预测值位于实际值的5000之内,95%的预测值位于实际值的100000之内(一个特征通常符合高斯分布,即满足“68-95-99.7”规则:大约68%的值落在1\sigma内,95%的值落在2\sigma内,99.7%的值落在3\sigma内,这里的σ等于50000),RMSE的计算公式如下:

RMSE(X,h)=\sqrt{\frac{1}{m}\sum_{i=1}^{m}(h(X^{^{(i)}})-y^{(i)})^{^{2}}}

其中:

  • m是RMSE数据集中实例的个数。
  • X^{(i)}是数据集第i个实例的所有特征值(不包含标签)的向量,y^{(i)}是它的标签(这个实例的输出值)。
  • h是系统的预测函数,也称为假设。当系统收到一个实例的特征向量X^{(i)},就会输出这个实例的一个预测值\tilde{y}=h(X^{(i)})

RMSE(X,h)是使用假设h在样本上测量的损失函数。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值