收集带有负数的实数预测指标的最佳方法？
Best way to collect metrics of real number predictions with negatives?
我有一个神经网络可以预测时间序列中的实数值。其中一些预测是负面的。我正在寻找衡量这些预测的错误或准确性的最佳方法。 Tensorflow 页面将其准确度测量描述为仅包括对正确率的测量，而不是对正确率的测量。
是否有一个度量标准来计算每个预测的准确度的平均值减去带有错误符号的值的错误程度。
例如//
输出：-1、1、2、4
预测：1.5、1、1、3
准确度：-1.5、1、.5、.75
平均值：(-1.5 + 1 + .5 + .75) / 4 = 3/16, 0.1875
拟合连续数值以mean squared error开头为标准
以你的例子为例：
Ground Truth: -1, 1, 2, 4
Predictions: 1.5, 1, 1, 3
Error: 2.5, 0, -1, -1
Squared Error: 6.25, 0, 1, 1
这导致均方误差为：
(6.25 + 0 + 1 + 1) / 4 = 2.0625
这将指导优化以避免非常大的错误，但是对于符号错误没有明确的惩罚。
这应该在您选择的 DL 库中可用。例如 torch.nn.MSELoss、keras.losses.mean_squared_error 或 tf.keras.losses.MSE.
我有一个神经网络可以预测时间序列中的实数值。其中一些预测是负面的。我正在寻找衡量这些预测的错误或准确性的最佳方法。 Tensorflow 页面将其准确度测量描述为仅包括对正确率的测量，而不是对正确率的测量。
是否有一个度量标准来计算每个预测的准确度的平均值减去带有错误符号的值的错误程度。 例如// 输出：-1、1、2、4 预测：1.5、1、1、3 准确度：-1.5、1、.5、.75 平均值：(-1.5 + 1 + .5 + .75) / 4 = 3/16, 0.1875
拟合连续数值以mean squared error开头为标准
以你的例子为例：
Ground Truth: -1, 1, 2, 4
Predictions: 1.5, 1, 1, 3
Error: 2.5, 0, -1, -1
Squared Error: 6.25, 0, 1, 1
这导致均方误差为：
(6.25 + 0 + 1 + 1) / 4 = 2.0625
这将指导优化以避免非常大的错误，但是对于符号错误没有明确的惩罚。
这应该在您选择的 DL 库中可用。例如 torch.nn.MSELoss、keras.losses.mean_squared_error 或 tf.keras.losses.MSE.