La media de squred error de interpretación en LSTM modelo (bidireccional o multiparallel)

Estoy jugando con el tiempo de la serie y Keras LSTM 1) bidireccional y 2) multiparallel modelo. Estoy ahorrando el mejor modelo de acuerdo a la "mean_squared_error" métricas. Mi conjunto de datos se normalizaron con MinMaxScaler (predeterminado rango de 0 a 1). Error cuadrático medio es de 0.02 en la parte de la prueba del conjunto de datos. Qué significa que mi modelo del error promedio es de 14% - que es de 0.02^0.5. Es una buena práctica de la interpretación de la precisión del modelo?

Supongamos que deseamos predecir el cuarto valor en esta secuencia:

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

Así que mi x_test y y_test se parece a esto:

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

Y el 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)

Supongamos que me evaluar en conjunto de datos original, ¿cómo debo interpretar el MSE=0.02?

0
2019-09-17 08:21:48
fuente
0 respuestas

Vea otras preguntas sobre etiquetas