- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
RegressionMetric
Berechnung der Regressionsmetrik zur Bewertung der Qualität der vorhergesagten Daten im Vergleich zu den tatsächlichen Daten
double vector::RegressionMetric(
|
Parameter
vector_true/matrix_true
[in] Vektor oder Matrix mit den tatsächlichen Werten.
metric
[in] Metrischer Typ aus der Enumeration ENUM_REGRESSION_METRIC.
axis
[in] Achse. 0 — horizontale Achse, 1 — vertikale Achse.
Rückgabewert
Die berechnete Metrik, die die Qualität der vorhergesagten Daten im Vergleich zu den tatsächlichen Daten bewertet.
Hinweis
- REGRESSION_MAE — mittlerer absoluter Fehler, der die absoluten Differenzen zwischen den vorhergesagten Werten und den entsprechenden tatsächlichen Werten darstellt
- REGRESSION_MSE — mittlerer quadratischer Fehler, der die quadrierten Differenzen zwischen den vorhergesagten Werten und den entsprechenden tatsächlichen Werten darstellt.
- REGRESSION_RMSE — Quadratwurzel des mittleren quadratischen Fehlers (MSE)
- REGRESSION_R2 - 1 — MSE(Regression) / MSE(Mittelwert)
- REGRESSION_MAPE — MAE als Prozentsatz
- REGRESSION_MSPE — MSE in Prozent
- REGRESSION_RMSLE — RMSE berechnet auf einer logarithmischen Skala
Beispiel:
vector y_true = {3, -0.5, 2, 7};
|