【发布时间】：2012-07-10 03:01:48
【问题描述】：
我有一个基于多层神经网络的估计器，它输入车辆过去的到达时间并估计下一辆车的到达时间（使用反向传播算法）。基于某个阈值（例如，10 秒），估计器将预测时间分类为高或低（1 或 0）。我的问题是，根据观察和预测/估计的到达时间（1 和 0），我如何计算整体预测的准确性（或正确预测率）？
【问题讨论】：
标签： statistics neural-network classification prediction
【发布时间】：2012-07-10 03:01:48
【问题描述】：
您必须自己定义high (1) 和low (0) 的含义。例如，您可以说high 到达时间等于或大于 5 分钟，而low 到达时间小于 5 分钟。一旦你的神经网络给出了预测，你就可以在你的样本中检查下一辆车的到达时间是否确实是high 或low（即分别超过 5 分钟或不到 5 分钟）。您可以使用它来计算预测的准确性。
【讨论】：
-
正如我在问题中描述的那样，这就是我正在做的事情。高 (1) 表示周期小于 10 秒，低 (0) 表示周期大于 10 秒。我确实用观察值检查了预测值。因此，我有 4 组值，即 Low|predicted、High|predicted、Low|observed、High|observed。问题是如何计算预测算法的准确性。
-
啊，我错过了！您可以按如下方式计算准确度：如果
predicted值与observed值匹配，则执行correct_count += 1。完成后，您可以通过将correct_count除以您所做的预测总数来找到准确性：correct_count / total_predictions_amount