Question

我正在寻求帮助，因为我已经被困在这段代码上一段时间了。我想用RMLSE（Root Mean Squared Logarithmic Error）评估我的回归模型，使用这段代码：

rmlse <- function(model) { 
  y <- testset$Counts
  y.pred <- predict(model, testset)
  return(sqrt(1/nrow(y)*sum((log(y.pred +1)-log(testset$Counts +1))^2)))
}

其中Counts是我的因变量。但是，这只会产生NaN。数据集中没有NA。我似乎无法弄清楚错误在哪里，如果有人能帮忙，我将不胜感激！

Answer 1

我认为您的问题位于nrow(y) y <- testset$Counts，因为y是一个向量而nrow(y)应该返回NULL。见这个例子：

set.seed(10)
mydat<-data.frame(a=1:10, b = rnorm(10), c = rpois(10, 1))

y<-mydat$a
nrow(y)
NULL

如果您将nrow()更改为length()，那么您应该没问题。

model<-lm(a~b+c, data = mydat[1:5,])
rmlse <- function(model) { 
  y <- mydat$a
  y.pred <- predict(model, mydat[6:10,])
  return(sqrt(1/length(y)*sum((log(y.pred +1)-log(mydat$a +1))^2)))
}

rmlse(model)
[1] 0.6234257

但请确保y和y.pred最终长度相同，否则会引发错误，正如我之前发现的那样。我编辑它运行正常，但我想我会告诉你。如果它们的长度不同，您将得到：

Warning message:
  In log(y.pred + 1) - log(mydat$a + 1) :
  longer object length is not a multiple of shorter object length

Answer 2

我遇到了同样的问题：如何解决NANa的错误-并计算出RMSLE！

如果条目包含负值，则log（）将创建NAN。现在，如果您可以重新检查t.pred变量，则该变量应为负值。因此会产生NAN。

解决方案：计算RMSLE-将条目转换为abs（）：负值将转换为正值。

predicted_value = abs（预测值） actual_value = abs（actual_value）

SLE =（log（预测值+ 1）-log（实际值+ 1））^ 2

RMSLE = sqrt（平均值（SLE））

得分= 1 /（1 + exp（RMSLE））

注意：得分越高-性能越高。

Answer 3

如果预测值小于 0，则对数的实际值不存在，因此结果为 nan 值。您必须剪辑以下值： y_pred[y_pred<0]=0 对于 np.array y_pred=tf.clip_by_value(y_pred,clip_value_min=0,clip_value_max=np.inf) 用于张量

R中的RMSLE评估

3 个答案: