CNN训练过程中MSE、RMSE及R^2问题

1.SSE：拟合数据和原始数据对应点的误差的平方和：

SSE越接近于0，说明模型选择和拟合更好，数据预测也越成功

 

2.MSE:用来衡量观测值同真值之间的偏差，预测值同真实值差的平方和与样本总数n比值的平方根

相同含义的公式：

3.RMSE：

4.SSR：预测数据与原始数据均值之差的平方和

5.SST:原始数据和均值之差的平方和

SST=SSE+SSR

=+

6.R^2:通过数据的变化来表征一个拟合的好坏。由上面的表达式可以知道“确定系数”的正常取值范围为[0 1]，越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好

 

因此：项目中我们的MSE以及R^2随着深度depths的增加而降低的原因在于:

次表层温度变化浮动减小，模型预测值和真实值之间差距越小。但是，由于深度的增加，次表层温度变化浮动减小，

随着深度的增加，原始数据的平均值和真实值之间的误差越小，即次表层温度变化幅度不明显，即SST随着深度的增加而急剧减小，虽然MSE（也就是SSE）减小，即模型预测值和真实值之间的差距越小，但是SST减小的幅度更大，固R^2随着深度的增加而减小，模型对数据的拟合能力随着深度的增加而减小。