machine-learning - 证明多元线性回归模型效率的良好 RMSE(均方根误差)值范围是多少?
问题描述
我是 ML 领域的新手。遵循一些简单的 ML 技术,我构建了一个基于多元线性回归的 ML 模型,用于预测系统的计算资源使用情况。因此,当我执行测试时,考虑到我的 ML 模型,我得到的 RMSE 值小于 7(大约 ~ 6.632)。所以,我有点想知道,这个值是科学界可以接受的吗?还是价值太高?提前谢谢你。
解决方案
让我举两个具有相同 RMSE 值的示例:
- 我试图预测租金价格通常在 500 美元-1000 美元之间的公寓的租金价格。可以认为 15 美元的 RMSE 值是一个非常低的 RMS 误差,最佳拟合线将满足我的需求。
- 我正在尝试预测下一次家庭晚餐的价格,价格通常在 10 美元-25 美元之间。相同的 RMSE 值 15 美元可能会被认为很差,并且可能无法满足最佳拟合线。
回归问题(即 RMSE、MAE、MSE)中许多分数的解释都取决于您的问题的领域,以及您认为可以接受的范围。除非它源自相同的回归问题,否则您无法真正比较 RMSE 分数。
推荐阅读
- sql - 我想在制作时间表时在 html 表中输入数据库数据,即主题名称、教师、房间。在 asp.net 中哪种方法最好?
- python - 使用前一列的聚合创建列 - 基于条件
- masm - 使用 MASM 时在 CALL 指令中使用 PTR 时有疑问
- android - 在设备和谷歌中保存联系人
- c# - ASP.NET Core 2.1 无法识别配置扩展
- android - 在 Java Android 中解析 JSON 对象时出错
- rxjs6 - rxJS 中的 last 和 publishLast 运算符有什么区别?
- git - 仅在本地存储库上应用预提交?
- docker - 错误:无法设置日志节点进程的优先级 6520
- javascript - 在 Anychart 图中设置最大和最小 xScale 值会导致异常