Я играю с временными рядами и Keras LSTM 1) двунаправленной и 2) многопараллельной моделью. Я сохраняю лучшую модель по метрике «mean_squared_error». Мой набор данных нормализован с помощью MinMaxScaler (диапазон по умолчанию от 0 до 1). Среднеквадратическая ошибка составляет 0,02 в тестовой части набора данных. Означает ли это, что средняя ошибка моей модели составляет 14%, то есть 0,02 ^ 0,5. Является ли это хорошей практической интерпретацией точности модели?
Предположим, я хочу предсказать четвертое значение в этой последовательности:
[10, 20, 30, 40, 50, 60, 70, 80, 90]
Итак, мои x_test и y_test выглядят так:
[10 20 30] 40
[20 30 40] 50
[30 40 50] 60
[40 50 60] 70
[50 60 70] 80
[60 70 80] 90
И код:
cp = [ModelCheckpoint(filepath=path+"/epochBi.h5", monitor='mean_squared_error', verbose=1, save_best_only=True)]
model.compile(optimizer='adam', loss='mse', metrics= ['mean_squared_error'])
history_callback = model.fit(X_train, y_train, epochs=200, verbose=1, callbacks=cp)
model.load_weights(path+"/epochBi.h5")
score = model.evaluate(X_test, y_test, verbose=1)
Предположим, что я оцениваю исходный набор данных, как мне интерпретировать MSE = 0,02?