将损失函数转化为准确度函数答案

【问题标题】：Turn a loss function into an accuracy function将损失函数转化为准确度函数
【发布时间】：2020-08-19 22:41:06
【问题描述】：

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))

实际值和预测值介于 0.0 和 5.0 之间。

我想将其用作准确度指标，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：

更糟糕的情况 - 所有预测都是错误的（全部相差 5.0）：RMSE = 5.0 * len(pred_df) 最好的情况 - 所有预测都是正确的：RMSE = 0.0

我可以只使用RMSE - 5.0 * len(pred_df) 作为我的准确度指标吗？有没有更聪明的方法来做到这一点？

【问题讨论】：

标签： python numpy loss-function loss

【解决方案1】：

实际上，您的损失更多的是TRSE，因为您先求根然后求总和而不是平均值，因此是“总平方根误差”:)。如果你真的想要 RMSE 损失，

RMSE = np.sqrt(np.mean((np.array(pred_df.real_values) - np.array(pred_df.estimate_values))**2))

要将其转换为准确度指标，您在找到最小值/最大值时是正确的，但您不应该减去最大值；您应该首先减去最小值，然后除以最大值和最小值之差，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（您的最佳/最坏情况方法证明了这一点）。那么，(RMSE - 0) / (5 - 0) = RMSE / 5 就是准确度指标：acc = RMSE / 5

【讨论】：