将损失函数转换为精度函数

Question

我有 RMSE 损失，定义为：

RMSE = np.sum(np.sqrt((np.array(pred_df.real_values) - np.array(pred_df.estimate_values))**2))

其中实际值和预测值介于 0.0 和 5.0 之间。

我想将其用作准确度指标，而不是损失，但我不知道此函数取值的时间间隔。我唯一能想到的是：

更坏的情况 - 所有预测都是错误的（相差 5.0）：RMSE = 5.0 * len(pred_df) 最佳情况 - 所有预测都是正确的：RMSE = 0.0

我可以只使用 RMSE - 5.0 * len(pred_df) 作为我的准确性指标吗？有更聪明的方法吗？

Answer 1

实际上，您的损失更多的是 TRSE，因为您先取根，然后取总和而不是均值，因此 "total root squared error" :)。如果你真的想要RMSE损失，

RMSE = np.sqrt(np.mean((np.array(pred_df.real_values) - np.array(pred_df.estimate_values))**2))

要将其转换为准确度指标，您找到 min/max 值是正确的，但不应减去最大值；您应该先减去最小值，然后除以最大值和最小值的差值，即最小-最大归一化。这将给出 [0, 1] 范围内的值。 RMSE 的最小值为 0，最大值为 5（您的 best/worst 案例方法证明了这一点）。然后，(RMSE - 0) / (5 - 0) = RMSE / 5 是准确度指标：acc = RMSE / 5

将损失函数转换为精度函数

Turn a loss function into an accuracy function

python

numpy

loss-function

loss