RMSE MAE MAPE
时间: 2024-02-10 10:47:29 浏览: 170
基于卷积神经网络(CNN)时间序列预测 评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替
RMSE是指对MSE(均方误差)开方之后得到的结果,用于衡量预测值与真实值之间的差异。 MAE代表平均绝对误差损失(Mean Absolute Error Loss),它计算的是预测值与真实值之间的绝对差值的平均值。 MAPE是指平均绝对百分比误差(Mean Absolute Percentage Error),它是计算预测值与真实值之间的百分比差异的平均值。
相比于RMSE和MAPE,MAE有一个优势,就是对离群点不敏感,具有更强的包容性。因为MAE计算的是误差的绝对值,无论误差是大于1还是小于1,惩罚力度都是一样的,权重相同。 RMSE和MAPE的损失值与误差之间存在平方关系或百分比关系,当误差越大时,它们的损失值也会相应增大,对模型训练产生更大的影响。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [深度学习常用损失MSE、RMSE、MAE和MAPE](https://blog.csdn.net/weixin_48018951/article/details/129611907)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]
阅读全文