我在同一个数据集上使用了一些回归模型，并为它们获得了错误度量，如下所示，
模型 A 的 RMSE（均方根误差）和 MAE（平均绝对误差）低于模型 B，其中模型 A 的 R2 得分较高。据我所知，这意味着模型 A 提供比模型 B 更好的预测. 但是在考虑 MAPE（平均绝对百分比误差）时，模型 B 的值似乎低于模型 A。如果有人能解释为什么会这样，我将不胜感激。提前致谢。
高 RMSE 和 MAE 和低 MAPE
数据挖掘
机器学习
Python
scikit-学习
数据集
回归
2021-10-14 04:59:26
1个回答
原因是输出变量的范围更广。考虑以下两种情况，
- 实际值为 99，预测值为 101
- 实际值为 5520，预测值为 5522
在这两种情况下，绝对误差都是 2，但第一种情况下的相对误差 (2% - 2/101) 比第二种情况 (0.035% 2/5520) 大得多。绝对和相对指标衡量预测的不同方面。所以一个模型在绝对意义上并不比另一个更好（双关语）。
衡量哪个指标取决于您的应用程序。当结果范围很宽（可能是您的情况）并且有偏差时，相对误差测量优于绝对误差测量。
其它你可能感兴趣的问题