我有RMSE损失，定义为：
RMSE = np.sum(np.sqrt((np.array(pred_df.real_values) - np.array(pred_df.estimate_values))**2))
其中，实际值和预测值介于0.0和5.0之间。
我想将此作为精度指标，而不是作为损失，但是我不知道此函数取值的间隔。我唯一能想到的是：
情况更糟-所有预测都是错误的（相距5.0）：RMSE = 5.0 * len(pred_df)
最佳情况-所有预测都是正确的：RMSE = 0.0
我可以只使用RMSE - 5.0 * len(pred_df)作为我的准确性指标吗？有更聪明的方法吗？
答案 0 :(得分：1)
实际上，您的损失更多地是TRSE，因为您首先求根，然后求和而不是平均值，因此就是“总平方根误差” :)。如果您真的想要RMSE损失，
RMSE = np.sqrt(np.mean((np.array(pred_df.real_values) - np.array(pred_df.estimate_values))**2))
要将其转换为精度度量，可以正确地找到最小/最大值，但不应减去最大值。您应该先减去最小值，然后除以最大值和最小值之间的差，即最小值-最大值归一化。这将给出[0, 1]范围内的值。 RMSE的最小值为0，最大值为5（最好/最坏的情况证明了这一点）。然后，（RMSE-0）/（5-0）= RMSE / 5是精度指标：acc = RMSE / 5