RMSE(Root Mean Squared Error) 和 RMSLE(Root Mean Squared Logarithmic Error)

1. 均方根误差 RMSE(Root Mean Squared Error)

RMSE(Root Mean Squared Error) 和 RMSLE(Root Mean Squared Logarithmic Error)_第1张图片

2. 均方根对数误差 RMSLE(Root Mean Squared Logarithmic Error)

RMSE(Root Mean Squared Error) 和 RMSLE(Root Mean Squared Logarithmic Error)_第2张图片

使用 RMSLE 的优点

1.RMSLE 惩罚欠预测大于过预测,适用于某些需要欠预测损失更大的场景,如预测共享单车需求。

假如真实值为 1000,若预测值为 600,那么 RMSE=400, RMSLE=0.510
假如真实值为 1000,若预测值为 1400, 那么 RMSE=400, RMSLE=0.336

可以看出来在 RMSE 相同的情况下,预测值比真实值小这种情况的 RMSLE 比较大,即对于预测值小这种情况惩罚较大。

2.如果预测的值的范围很大,RMSE 会被一些大的值主导。这样即使你很多小的值预测准了,但是有一个非常大的值预测的不准确,RMSE 就会很大。 相应的,如果另外一个比较差的算法对这一个大的值准确一些,但是很多小的值都有偏差,可能 RMSE 会比前一个小。先取 log 再求 RMSE,可以稍微解决这个问题。RMSE 一般对于固定的平均分布的预测值才合理。

你可能感兴趣的:(机器学习)