时间序列模型的坏、好和优秀的度量分数是什么？

数据挖掘 时间序列 毫秒 rmse
2022-02-19 12:34:13

我为我的主项目创建了几个模型，并使用了几个指标进行评估。我使用 MSE、MAE、MAPE、RMSE 并不是因为我真的了解了很多，而是因为我在许多其他项目中看到了这些指标的使用。现在我有一个问题，我需要解释结果。我搜索了一些文章或一些研究，它们将指标性能分类为好、坏或优秀。我现在找到的唯一材料就是这个。

有了这个解释

MAPE < 10% 是优秀，MAPE < 20% 是好

最好为每个指标 MSE、MAE、MAPE、RMSE 提供这种正式或非正式的解释，特别是针对时间序列预测问题。

1个回答

我认为度量值没有灵丹妙药，因为它是高度特定于问题的，您需要以一种或另一种方式将结果与基线进行比较，以了解它的可行性。

例如，在时间序列中，预测的下一个点的公共基线是前一个点或某个移动平均值。您可以获得像 MAPE 这样的错误度量（但要小心，因为它有其缺点）并将您的模型 MAPE 与基线 MAPE（例如移动平均线）进行比较，通过这种比较，您可以争论您的方法如何更好。

此外，请查看有关 MAPE 和其他指标的这篇文章。

其它你可能感兴趣的问题
上一篇测试 Spacy NER 模型 下一篇我应该如何在 Pytorch 中保存模型权重？