Significa squred erro de interpretação na LSTM modelo (bidirecional ou multiparallel)

Eu estou jogando com o time da série e Keras LSTM 1) bidirecional e 2) multiparallel modelo. Eu sou de verão o melhor modelo de acordo com o "mean_squared_error" métricas. Meus dados são normalizados com MinMaxScaler (padrão intervalo de 0 a 1). O quadrado médio do erro é 0.02 sobre o teste de parte do conjunto de dados. Isso significa que o meu modelo é o erro médio é de 14% - que é 0.02^0.5. É uma boa prática de interpretação do modelo de precisão?

Vamos supor que eu queira prever o quarto valor nesta sequência:

[10, 20, 30, 40, 50, 60, 70, 80, 90]

Então, a minha x_test e y_test parecido com este:

[10 20 30] 40
[20 30 40] 50
[30 40 50] 60
[40 50 60] 70
[50 60 70] 80
[60 70 80] 90

E o código:

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)

Suponha que eu avaliar no conjunto de dados original, como eu iria interpretar o MSE=0.02?

0
2019-09-17 08:21:48
origem
0 respostas

Veja mais perguntas por marcas