文件名称：在 Azure 机器学习工作室中使用多个误差指标评估回归机器学习模型的性能-研究论文
文件大小：776KB
文件格式：PDF
更新时间：2024-06-29 08:12:36
machine learning regression
数据驱动的公司有效地使用回归机器学习方法在许多领域进行预测。 基于云的 Azure 机器学习工作室 (MLS) 具有通过提供方便且强大的集成开发环境来加快机器学习实验的潜力。 在 Azure MLS 中评估机器学习模型的过程有一定的局限性，例如，性能指标数量很少，并且缺乏使用 R 语言评估自定义回归模型的功能。 本文报告了构建增强型评估模型 (EEM) 模块的结果，该模块可促进和加速 Azure 实验开发和评估。 EEM 结合了多个性能指标，允许对回归模型进行多方面评估。 EEM 提供的指标是内置 Azure 评估模型模块的 4 倍。 EEM 指标包括：CoD、GMRAE、MAE、MAPE、MASE、MdAE、MdAPE、MdRAE、ME、MPE、MRAE、MSE、NRMSE_mm、NRMSE_sd、RAE、RMdSPE、RMSE、RMSE、RSE、sMAPE、SMdAPE、SSE。 此外，EEM 支持评估基于 R 语言的回归模型。 可操作的增强型评估模型模块已发布到网络上，并可公开用于实验和扩展。