神经网络中的确定系数

Question

是确定系数，在某些情况下可用于神经网络。我有一个Y值范围为0-1的网络，所以我使用S形。我的损失指标是MAE，我对结果感到满意。我发现我提出的一些人对某些损失度量标准没有很好的了解，但从以前的研究中回想起确定系数。

我没有在神经网络中看到过该指标，并且想知道它是否适用或不应该使用。谢谢。

编辑：以阐明其优点-是可行的措施，还是在NN设置中使用它们的问题。

Answer 1

简而言之，这是查看通用指标的另一种方式。

确定系数与通用度量均方误差（我相信您正在使用）有关。

两者之间的关系如下：

  

CoD = 1-MSE /（输入变量）

     

MSE =（输入方差）*（1-CoD）

See this

由于输入的方差不会随着网络训练而变化，因此确定系数将与均方误差线性相关。这意味着使用CoD代替MSE可能不会改变网络的训练方式。

选择哪个指标很大程度上取决于具体情况，因为它们代表了 不同的事物 。但是，如果您想要的只是一个随时间变化的数字，以表示您的网络训练得很好，那么它们都将起作用。要注意的一件事是，MSE是一种最小化功能-也就是说，随着您的网络的改进，它接近 0 -而COD是一种最大化功能，随着您的网络的改进，它接近 1 。如果您使用反向传播，则在计算梯度时需要考虑到这一点。

总而言之...

我看不到有任何不使用CoD的理由 ，但是与此同时，我也没有看到使用的任何理由。我认为除了解释之外，没有人有优势，因为它们在数学上非常相似。