95-percentile prediction errors 和 average prediction errors 是两种不同的误差度量方式,分别用于描述模型预测误差的分布特征。
-
Average Prediction Errors (平均预测误差):
- 定义:平均预测误差是所有预测误差的平均值。它计算的是模型在一组预测中的总体误差水平,反映了模型的整体性能。
- 计算方法:将所有预测误差相加,然后除以预测的总次数。
- 示例:如果你有多个预测误差值,它们分别是3°, 5°, 7°,则平均预测误差为 (3° + 5° + 7°) / 3 = 5°。
-
95-Percentile Prediction Errors (95百分位预测误差):
- 定义:95百分位预测误差表示的是在所有预测误差中,95%的误差都小于或等于这个值,只有5%的误差大于这个值。这种度量方式能够显示模型在最差情况下的性能。
- 计算方法:将所有预测误差按从小到大的顺序排列,找到第95%的位置对应的误差值。
- 如果有100个预测误差值,按从小到大的顺序排列后,第95个值(即前95%的数据)对应的误差就是95百分位预测误差。
区别
-
代表意义:平均预测误差反映的是所有预测误差的一个典型值或平均水平,而95百分位预测误差反映的是误差分布中的较高端(接近最差的表现)的一个值。
-
应用场景:
- 平均预测误差适用于评估模型整体表现的好坏。
- 95百分位预测误差则更适合用于评估模型在极端情况下的可靠性,尤其是在一些对误差非常敏感的应用中,它能够帮助理解模型在“最坏”情况下可能出现的最大误差。
-
误差范围:95百分位预测误差通常比平均预测误差要大,因为它关注的是误差较大的部分,而不是所有误差的平均水平。