Dire squred erreur d'interprétation dans LSTM modèle (bidirectionnel ou multiparallel)

Je suis en train de jouer avec le temps de la série et Keras LSTM 1) bidirectionnel et 2) multiparallel modèle. Je suis d'économie le meilleur modèle en fonction de la "mean_squared_error" métriques. Mon dataset normalisé avec MinMaxScaler (par défaut plage de 0 à 1). L'erreur quadratique moyenne est de 0,02 sur la partie test de la base de données. Ça veut dire que mon modèle de l'erreur moyenne est de 14% - qui est de 0,02^0.5. Est-ce une bonne pratique de l'interprétation du modèle de précision?

Supposons que je veux pour prédire la quatrième valeur dans cette séquence:

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

Donc, mon x_test et y_test ressemble à ceci:

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

Et le code:

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)

Supposons que j'évalue sur le jeu de données d'origine, comment pourrais-je interpréter le MSE=0.02?

0
2019-09-17 08:21:48
source
0 réponses

Voir d'autres questions sur les étiquettes