神经网络的准确性有助于预测连续变量

Question

在进行回归（连续变量的预测）时，有没有办法计算神经网络的准确度而非误差度量，就像我们对分类变量进行分类一样？

Answer 1

虽然，准确性的概念来自于分类，但您可以打印预测值并使用因变量检查它们。

Answer 2

连续变量的问题在于，准确再现给定值的概率（实际上）为零。例如，如果您的神经网络产生2.000001且实际值为2，那么这将被视为错误预测，因为两个值都不同（尽管它们非常接近）。误差度量，如均方根，因此测量平均差（平方）。

但是，根据您的应用，如果观察值和输出之间的差值的绝对值小于ε并计算百分比，则可以引入阈值ε并将神经网络的给定输出视为正确正确的预测。

在实践中，这样的度量不会直接最小化，因为很难计算其梯度，但它仍然是一个有用的计算量。