0

我正在尝试比较几个不同测量指标之间的模型准确性。例如,一些引用使用准确性,而其他引用使用错误。那是相当明显的,但是有很多不同的指标,我不完全确定如何比较其中一些而不失去一些单独的指标完整性。或者是否可以比较一些。我的清单是:

错误率 - 平均绝对误差 - 绝对误差 - 对数损失 - 分类准确度 - 均方根误差 - 分类误差 - F 测量 - 曲线下面积 - 平均测试误差 - 误差百分比 - 错误分类误差 - 测试误差 - 平均测试误差

所以我的问题是如何有效地在这些之间进行转换,如果无法直接转换,则以有意义和准确的方式进行比较和排名。

4

1 回答 1

1
  1. 您通常无法转换这些指标。他们测量微妙的不同事物。但线性误差与平方误差不同。

  2. 在一个指标上获胜并不意味着在不同的指标上获胜。假设我们想将单变量数据汇总为一个数字。均值最小化平方误差,中值线性误差 - 所以它们有不同的最优解,并且根据你的评估方法,你可能会得到不同的赢家

  3. 不要比较不同的文章。他们使用不同的预处理、特征、特征选择、归一化、子集、交叉验证的不同分割等。

通常,比较这些数字是行不通的。

您必须自己重新运行他们的实验,使用完全相同的输入和评估。

于 2016-02-03T09:38:21.580 回答