答案 0 :(得分:2)
RAE和RSE接近0是一个好兆头......你希望错误尽可能低。有关评估模型的详细信息,请参阅this article。从该页面:
这里的术语“错误”表示预测值和真实值之间的差异。通常计算该差值的绝对值或平方以捕获所有实例中的总误差大小,因为在某些情况下预测值和真实值之间的差异可能是负的。误差指标根据预测值与真实值的平均偏差来衡量回归模型的预测性能。较低的误差值意味着模型在进行预测时更准确。总体误差度量为0意味着模型完美地拟合数据。
是的,根据您当前的结果,提升的决策树效果最佳。我不清楚你的工作细节,以确定这是否足够好。老实说可能是。但是,如果您确定不是,您还可以调整“Boosted Decision Tree Regression”模块中的输入参数,以尝试获得更好的结果。 “ParameterSweep”模块可以通过为您尝试许多不同的输入参数来帮助您,并指定要优化的参数(例如您的问题中引用的RAE,RSE或COD)。有关简要说明,请参阅this article。希望这可以帮助。
附:我很高兴你正在研究维斯特洛的黑碳水平......我确信瑟曦甚至不关心。