Question

我想告诉我当问题是回归问题时如何计算准确性。

现在，我正在研究一个回归问题，以预测每个用户每天使用的电量，我使用keras构建LSTM模型来进行此时间序列预测。一开始，我将“准确性”用作指标，并且在运行时

model.fit(...,verbose=2,...)

val_acc在每个时期之后都有一个值。在我的结果中，该值没有改变，它始终是相同的值。

然后我意识到回归问题是没有准确性的概念，然后我开始怀疑，该准确性如何计算？

我猜测回归指标中的指标为“准确性”时，准确性也以与分类问题类似的方式计算：预测值的数量等于真实值除以样本总数。

我对吗？

谢谢您的回答〜

Answer 1

在回归中，您可以使用度量标准来度量预测与实际值的距离，例如平方误差，均方误差等。请参阅How to determine the accuracy of regression? Which measure should be used?

在构建keras LSTM模型时，通常先构建一个“骨架”，然后进行编译， fit 和最后的 predict 。在 compile 步骤中，您需要定义损失函数（请参见Keras documentation on Sequential models）和指标，以便执行例如

model.compile(loss='mean_squared_error', optimizer='sgd', metrics=['mean_squared_error'])

（请参见Keras documentation on metrics）。因此，如果将accuracy用作回归设置中的指标，则不会获得合理的结果，因为该指标仅用于分类任务。

Answer 2

是的，准确度的计算方法与分类中的方法完全相同，keras不会进行任何调整。正如您所说，将精度（这是一个分类指标）用于回归问题是没有意义的。