Scores van tijdreeksmodellen
Tijdmodellen voorspellen uitkomsten als getallen die overeenkomen met specifieke toekomstige datums. Er worden verschillende meeteenheden gegenereerd waarmee u tijdreeksmodellen kunt evalueren.
MASE
MASE staat voor Mean Absolute Scaled Error MASE is een van de belangrijkste meeteenheden die wordt gebruikt om tijdreeksmodellen te beoordelen en aan te bevelen in Qlik Predict.
In Qlik Predict wordt MASE bepaald door de gemiddelde absolute fout (MAE) van een prognose te vergelijken met de MAE van een naïeve prognose. De naïve prognose gebruikt de laatst beschikbare waarde als de voorspelde waarde voor alle toekomstige stappen.
MAE
MAE staat voor Mean Absolute Error. Samen met MASE, is MAE een van de belangrijkste meeteenheden die wordt gebruikt om tijdreeksmodellen te beoordelen en aan te bevelen in Qlik Predict. MAE meet de modelkwaliteit door de foutmarge te berekenen binnen prognoses die door het model zijn gemaakt.
RMSE
Root Mean Squared Error (RMSE, wortel van de gemiddelde kwadratische fout) kan worden geïnterpreteerd als het gemiddelde +/- verschil dat wordt verwacht tussen een voorspelde waarde en de werkelijke waarde. Het is de standaardafwijking van overige waarden (het verschil tussen de waargenomen waarde en de voorspelde waarde voor een kenmerk). RMSE wordt gemeten in dezelfde eenheid als de doelwaarde.
Voorbeeld: stel dat het ons doel is om de waarde van een contract te voorspellen en we RMSE = 1250 krijgen. Dit houdt in dat de voorspelde waarde gemiddeld +/- USD 1250 afwijkt van de werkelijke waarde.
Voorspellingssnelheid
Voorspellingssnelheid is een modeleenheid die van toepassing is op alle modeltypen: binaire classificatie, multiclass-classificatie, regressie en tijdreeks. Voorspellingssnelheid meet hoe snel een machine learning-model voorspellingen kan genereren.
In Qlik Predict wordt de voorspellingssnelheid berekend aan de hand van de gecombineerde berekeningstijd van functies en de voorspellingstijd van de testgegevensverzameling. Deze wordt weergegeven in rijen per seconde.
De voorspellingssnelheid kan worden geanalyseerd in de tabel Modelstatistieken nadat uw experimentversie is uitgevoerd. U kunt ook gegevens over de voorspellingssnelheid bekijken bij het analyseren van modellen met ingesloten analyses. Ga voor meer informatie naar:
Overwegingen
De gemeten voorspellingssnelheid is gebaseerd op de grootte van de trainingsgegevensverzameling in plaats van op de gegevens waarop voorspellingen worden gedaan. Na het implementeren van een model kunt u verschillen opmerken in de snelheid waarmee voorspellingen worden gemaakt als de trainings- en voorspellingsgegevens sterk in grootte verschillen, of als u realtime voorspellingen maakt op één gegevensrij of een handvol gegevensrijen.