95-percentile prediction errors 和 average prediction errors

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。

1. 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°。

2. 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。