machine-learning - 我应该如何读取 RMSPROP 产生的值的总和？

Question

我有一个 2D 时间序列数据集，其整数范围在任何一天的 1,000,000 - 2,000,000 输出。当然，我的数据不受限制，因为我可以总结出每周的值，因此范围增加到超过 10,000,000。

每当我对数据进行归一化时，我都能达到 RMSE = 0.02，但是当我将原始（100 万范围）数据输入算法时，RSME 可以等于 30k - 150k 的误差范围。

为什么在一个版本的 RMSE 输出中我的“全局最小值”是 0.02，而另一个输出在更高的范围内？我一直在用 AdaDelta 进行测试。

标签： machine-learninggradient-descentamazon-sagemaker

Answer 1

RMSE的定义是：

该值的大小直接取决于预测值和实际值的大小，因此当您不对数据集进行归一化时，得到较高的 RMSE 值是很正常的。

这就是标准化很重要的原因，因为它可以让我们比较模型和数据集之间的错误度量。