收集带有负数的实数预测的度量的最佳方法？

Question

我有一个神经网络，可以预测时间序列中的实数值。其中一些预测是负面的。我正在寻找衡量这些预测的误差或准确性的最佳方法。 Tensorflow页面将其准确性测量描述为仅包括对多少正确而不是正确的度量。

是否存在一个度量，用于将每个预测的准确度的平均值减去符号错误的值与错误程度的差。例如//输出：-1，1，2，4预测：1.5、1、1、3精度：-1.5，1，.5，.75平均值：（-1.5 +1 + .5 + .75）/ 4 = 3/16，0.1875

Answer 1

例如：

Ground Truth:    -1,  1,  2,  4
Predictions:    1.5,  1,  1,  3
Error:          2.5,  0, -1, -1
Squared Error: 6.25,  0,  1,  1

这将导致以下均方误差：

(6.25 + 0 + 1 + 1) / 4 = 2.0625

这将指导优化以避免非常大的错误，但是对于弄错符号没有明显的惩罚。

这应该在您选择的DL库中可用。例如torch.nn.MSELoss，keras.losses.mean_squared_error或tf.keras.losses.MSE。