Значит squred интерпретации ошибки в модели ЛСТМ (двунаправленный или multiparallel)

Я играю с временных рядов и Керрас ЛСТМ 1) двунаправленный и 2) модель multiparallel. Я спасаю лучшие модели по "mean_squared_error" метрики. Мой набор данных является нормализованное с MinMaxScaler (диапазон по умолчанию от 0 до 1). Среднеквадратичная ошибка составляет 0,02 на тестовую часть набора данных. Это значит, что средняя погрешность модели составляет 14% - что составляет 0,02^0.5. Это хорошая практическая интерпретация точности модели?

Предположим, я хочу предсказать четвертое значение в этой последовательности:

[10, 20, 30, 40, 50, 60, 70, 80, 90]

Так что мой x_test и y_test выглядит так:

[10 20 30] 40
[20 30 40] 50
[30 40 50] 60
[40 50 60] 70
[50 60 70] 80
[60 70 80] 90

И код:

cp = [ModelCheckpoint(filepath=path+"/epochBi.h5", monitor='mean_squared_error', verbose=1, save_best_only=True)]
model.compile(optimizer='adam', loss='mse', metrics= ['mean_squared_error'])
history_callback = model.fit(X_train, y_train, epochs=200, verbose=1, callbacks=cp)
model.load_weights(path+"/epochBi.h5")
score = model.evaluate(X_test, y_test, verbose=1)

Предположим, что я оцениваю на исходный набор данных, как мне интерпретировать МСЕ=0.02?

0
2019-09-17 08:21:48
источник
0 ответов

Посмотрите другие вопросы по меткам