Лучший способ собрать метрики прогнозов реальных чисел с негативами?

Question

У меня есть нейронный net, который предсказывает значения действительных чисел во временных рядах Некоторые из этих прогнозов являются негативными. Я ищу лучший способ измерить ошибку или точность этих прогнозов. Страницы Tensorflow описывают свои измерения точности как включающие только измерение того, сколько было правильно, а не насколько они были правильными.

Есть ли метри c для получения среднего значения точности каждого прогноза, вычитая значения с неправильным знаком, как неправильно они были. например // вывод: -1, 1, 2, 4 Прогнозы: 1,5, 1, 1, 3 Точность: -1,5, 1, .5, .75 Среднее: (-1,5 + 1 + .5 + .75) / 4 = 3/16, 0,1875

Answer 1

Стандартно начинать с средняя квадратическая ошибка для подбора непрерывных числовых значений.

Например:

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

Что приводит к среднеквадратичной ошибке из:

(6.25 + 0 + 1 + 1) / 4 = 2.0625

Это поможет оптимизировать, чтобы избежать очень больших ошибок, но нет явного штрафа за неправильное обозначение знака.

Это должно быть доступно в выбранной вами библиотеке DL. Например torch.nn.MSELoss, keras.losses.mean_squared_error или tf.keras.losses.MSE.