الجذر يعني خطأ مربع سكليرن: كيفية استخدام وظيفة رمسي في مكتبة سكليرن

الجذر يعني خطأ مربع (رمس) هي واحدة من المقاييس الأكثر شيوعا لتقييم دقة النموذج في التعلم الآلي. يستخدم على نطاق واسع لقياس الانحراف بين القيم المتوقعة والقيم الفعلية. مكتبة سكيت-تعلم (سكليرن) يوفر وظيفة مريحة لحساب رمس ، مما يجعل من السهل لتقييم أداء النماذج ومقارنة نتائج نماذج مختلفة.

رمس هو الجذر التربيعي للخطأ التربيعي المتوسط (مس). يسمح لك بمراعاة جميع انحرافات النموذج عن القيم الحقيقية ، مع إيلاء المزيد من الاهتمام لقيم الخطأ الكبيرة. وهذا يجعل رمس مقياسا موثوقا وحساسا إلى حد ما ، خاصة عند التعامل مع القيم المتطرفة أو العينات التي تحتوي على اختلافات كبيرة في القيم.

باستخدام وظيفة رمسي في مكتبة سكليرن هو بسيط جدا. أولا ، تحتاج إلى استيراد وحدة المقابلة من المكتبة: من سكليرن.استيراد المقاييس يعني خطأ. ثم يمكنك استخدام وظيفة الخطأ المتوسط () لحساب متوسط الخطأ التربيعي (مس). وأخيرا ، تطبيق عامل الجذر التربيعي إلى النتيجة سوف تحصل على قيمة رمسي.

1. الجذر يعني خطأ مربع سكليرن: مثال على استخدام وظيفة رمسي في مكتبة سكليرن
2. ما هو الجذر يعني خطأ مربع (رمسي)?
3. كيفية استخدام وظيفة رمسي في مكتبة سكليرن?

الجذر يعني خطأ مربع سكليرن: مثال على استخدام وظيفة رمسي في مكتبة سكليرن

الجذر يعني خطأ مربع (رمس) ، أو الجذر التربيعي للخطأ القياسي ، هو واحد من المقاييس الأكثر شيوعا وتستخدم على نطاق واسع لتقييم دقة النماذج في التعلم الآلي.

توفر مكتبة سكيت-تعلم (سكليرن) وسيلة مريحة لحساب رمس باستخدام وظيفة مينسكوارد_ خطأ. لنفكر في مثال على استخدام هذه الوظيفة باستخدام مثال نموذج الانحدار.

1. استيراد الوحدات اللازمة:

من سكليرن.استيراد المقاييس يعني خطأ

2. استيراد نومبي كما نب

لنفترض أن لدينا مصفوفة بقيم حقيقية ومصفوفة بقيم متوقعة:

3. القيم الفعلية = نب.صفيف([3, 5, 2, 7, 8])

القيم المتوقعة = نب.صفيف([2, 4, 1, 6, 9])

حساب رمس:

رمس = نب.<url> / <url> / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url> / / <url>

ستكون نتيجة تنفيذ هذا الرمز:

رمس:

1.0

في هذا المثال ، قيمة رمس هي 1.0 ، مما يعني أن نموذجنا ينحرف عن القيم الحقيقية بمعدل 1.0 وحدة. كلما اقتربت قيمة رمس من الصفر ، كلما كان النموذج أكثر دقة.

باستخدام وظيفة رمس في مكتبة سكليرن يسمح لك لتقييم فعالية دقة النماذج ومقارنتها مع بعضها البعض على أساس هذا المقياس.

ما هو الجذر يعني خطأ مربع (رمسي)?

الجذر يعني خطأ مربع (رمس) هي واحدة من المقاييس الأكثر شعبية لتقييم جودة نماذج التعلم الآلي. هذه قيمة تسمح لك بقياس مدى تطابق النموذج مع البيانات الحقيقية.

و رمس هو الجذر التربيعي للخطأ التربيعي المتوسط (مس) ، وهو متوسط مربع الفرق بين القيم المتوقعة للنموذج والقيم الفعلية للبيانات.

• صيغة رمس تبدو مثل هذا:
• رمس = الجذر التربيعي(مس)

أين:

رمس-الجذر يعني خطأ مربع

مس - يعني خطأ مربع

يتم قياس رمس في نفس الوحدات مثل البيانات الأصلية ، مما يجعل من السهل تفسير النتائج. يعطي فكرة عن مدى انحراف القيم المتوقعة عن البيانات الفعلية. تشير قيمة الرمس الأقل إلى نموذج أكثر دقة.

ويستخدم على نطاق واسع رمس في مختلف مهام التعلم الآلي ، بما في ذلك الانحدار والتنبؤ السلاسل الزمنية. ويمكن أيضا أن تستخدم لمقارنة نماذج متعددة واختيار أفضل واحد.

على سبيل المثال ، إذا أنشأنا نموذجا للتنبؤ بأسعار العقارات ، فإن مؤشر أسعار العقارات سيسمح لنا بتقدير مدى قرب توقعاتنا من الأسعار الفعلية. انخفاض قيمة رمس ، وأكثر دقة توقعاتنا سيكون.

في الختام ، الجذر يعني خطأ مربع (رمس) هو المقياس الذي يسمح لك لتقييم نوعية نماذج التعلم الآلي عن طريق قياس التناقضات بين القيم المتوقعة والبيانات الفعلية. إنه مقياس مستخدم على نطاق واسع ويسمح لك بتفسير النتائج بسهولة.

كيفية استخدام وظيفة رمسي في مكتبة سكليرن?

رمس (الجذر يعني خطأ مربع) هو مقياس تقييم جودة النموذج المستخدم لتحديد الفرق بين القيم المتوقعة والفعلية في مهام الانحدار. توفر مكتبة سكليرن طريقة ملائمة لحساب رمس باستخدام وظيفة الخطأ المتوسط.

أولا ، تحتاج إلى استيراد الوحدات اللازمة:

من سكليرن.استيراد المقاييس يعني خطأ

استيراد نومبي كما نب

ثم تحتاج إلى الحصول على القيم المتوقعة للنموذج والقيم الفعلية من مجموعة بيانات الاختبار. لنفترض أن لدينا البيانات التالية:

ص_صحيح = نب.صفيف([3, -0.5, 2, 7])

ص_بريد = نب.صفيف([2.5, 0.0, 2, 8])