Statistiques et Big Data rms

3

Erreur absolue moyenne OU erreur quadratique moyenne?

Pourquoi utiliser l'erreur quadratique moyenne (RMSE) au lieu de l'erreur absolue moyenne (MAE)? salut J'ai étudié l'erreur générée dans un calcul - j'avais initialement calculé l'erreur en tant qu'erreur quadratique moyenne normalisée racine. En regardant de plus près, je vois les effets de la quadrature de l'erreur qui donne plus …

59 least-squares mean rms mae

1

Comment interpréter les mesures d'erreur?

J'utilise la classification dans Weka pour un certain ensemble de données et j'ai remarqué que si j'essaie de prédire une valeur nominale, la sortie affiche spécifiquement les valeurs prédites correctement et incorrectement. Cependant, je l’utilise maintenant pour un attribut numérique et le résultat est le suivant: Correlation coefficient 0.3305 Mean …

41 machine-learning error weka mse rms

3

Comment interpréter l'erreur quadratique moyenne (RMSE) par rapport à l'écart type?

Disons que j'ai un modèle qui me donne des valeurs projetées. Je calcule RMSE de ces valeurs. Et puis l'écart-type des valeurs réelles. Est-il judicieux de comparer ces deux valeurs (variances)? Ce que je pense, c'est que si RMSE et l'écart-type sont similaires / identiques, l'erreur / variance de mon …

21 standard-deviation standard-error rms

2

Pourquoi la minimisation du MAE conduit-elle à prévoir la médiane et non la moyenne?

Extrait du manuel Forecasting: Principles and Practice de Rob J Hyndman et George Athanasopoulos , en particulier la section sur la mesure de la précision : Une méthode de prévision qui minimise le MAE conduira à des prévisions de la médiane, tandis que la minimisation du RMSE conduira à des …

20 forecasting mean median rms mae

2

Validation croisée et régression logistique ordinale

J'essaie de comprendre la validation croisée pour la régression logistique ordinale. Le but du jeu est de valider le modèle utilisé dans une analyse ... Je construis d'abord un ensemble de données sur les jouets: set.seed(1) N <- 10000 # predictors x1 <- runif(N) x2 <- runif(N) x3 <- runif(N) …

12 regression cross-validation ordered-logit rms

1

RMSE vs écart-type de la population

RMSE (erreur quadratique moyenne) et SD (écart-type) ont des formules similaires. Ce lien dit La seule différence est que vous divisez par et non par puisque vous ne soustrayez pas la moyenne de l'échantillon ici. Le RMSE correspondrait alors à . Par conséquent, la population RMSE est et vous voulez …

12 standard-deviation rms

2

RMSE (Root Mean Squared Error) pour les modèles logistiques

J'ai une question concernant la validité de l'utilisation de RMSE (Root Mean Squared Error) pour comparer différents modèles logistiques. La réponse est soit 0ou 1et les prédictions sont des probabilités entre 0- 1? La manière appliquée ci-dessous est-elle également valable avec les réponses binaires? # Using glmnet require(glmnet) load(url("https://github.com/cran/glmnet/raw/master /data/BinomialExample.RData")) …

10 regression logistic generalized-linear-model glmnet rms

2

RMSE normalisé

J'ai plusieurs séries chronologiques dans un VAR (1) et, comme certaines d'entre elles n'ont pas la même unité de mesure, je voudrais estimer le RMSE en pourcentage. Je sais que cela pourrait se faire de plusieurs manières (voir ci-dessous) mais je ne sais pas précisément quelle est celle qui correspond …

10 time-series mse rms

2

RMSE et MAE peuvent-ils avoir la même valeur?

J'implémente la validation croisée et calcule des métriques d'erreur telles que RMSE, , MAE, MSE, etc.R2R2R^2 RMSE et MAE peuvent-ils avoir la même valeur?

9 cross-validation rms mae

1

Quel modèle d'apprentissage en profondeur peut classer des catégories qui ne s'excluent pas mutuellement

Exemples: J'ai une phrase dans la description de poste: "Java senior engineer in UK". Je veux utiliser un modèle d'apprentissage profond pour le prédire en 2 catégories: English et IT jobs. Si j'utilise un modèle de classification traditionnel, il ne peut prédire qu'une seule étiquette avec softmaxfonction à la dernière …

9 machine-learning deep-learning natural-language tensorflow sampling distance non-independent application regression machine-learning logistic mixed-model control-group crossover r multivariate-analysis ecology procrustes-analysis vegan regression hypothesis-testing interpretation chi-squared bootstrap r bioinformatics bayesian exponential beta-distribution bernoulli-distribution conjugate-prior distributions bayesian prior beta-distribution covariance naive-bayes smoothing laplace-smoothing distributions data-visualization regression probit penalized estimation unbiased-estimator fisher-information unbalanced-classes bayesian model-selection aic multiple-regression cross-validation regression-coefficients nonlinear-regression standardization naive-bayes trend machine-learning clustering unsupervised-learning wilcoxon-mann-whitney z-score econometrics generalized-moments method-of-moments machine-learning conv-neural-network image-processing ocr machine-learning neural-networks conv-neural-network tensorflow r logistic scoring-rules probability self-study pdf cdf classification svm resampling forecasting rms volatility-forecasting diebold-mariano neural-networks prediction-interval uncertainty

1

Utiliser l'imputation multiple pour les risques proportionnels de Cox, puis valider avec le package rms?

J'ai fait des recherches sur le package de souris et je n'ai pas encore découvert de moyen d'utiliser les multiples imputations pour créer un modèle Cox, puis valider ce modèle avec la fonction du package rmsvalidate() . Voici un exemple de code de ce que j'ai jusqu'à présent, en utilisant …

8 r survival cox-model data-imputation rms

Questions marquées «rms»