S
Видимо ln(y)=ln(y^)+ln(eps)
При преобразовании дают
y=y^*eps, а не y=y^+eps, как это должно быть...
При преобразовании дают
y=y^*eps, а не y=y^+eps, как это должно быть...
Size: a a a
2021 September 14
S
Точнее не так
S
А может и так...
Прологарифмировали таргеты, оценили каким-то ln(y^), получили ошибку ln(eps), здесь R2 отцрицательным быть не должен, а вот при возведении e в степень...
Получится не совсем та гиперплоскость в исходном пространстве, стало быть возникают ненулевые ковариации
Наверное, так
Прологарифмировали таргеты, оценили каким-то ln(y^), получили ошибку ln(eps), здесь R2 отцрицательным быть не должен, а вот при возведении e в степень...
Получится не совсем та гиперплоскость в исходном пространстве, стало быть возникают ненулевые ковариации
Наверное, так
S
Наверное
A
Всего-то нужно выполнить потенцирование предиктов, взять исходные таргеты и рассчитать R^2 по формуле
A
Сумму квадратов разностей предиктов и среднего таргета поделить на сумму квадратов разностей таргета и среднего таргета
A
Или как 1 - MSE/var(y)
S
Ну и получится ровно y=y^*eps
A
Лолшто?
S
Логарифмируешь y
Оцениваешь, получаешь
ln(y)=ln(y^)+ln(eps)
Справа у нас такие обозначения оценки и остатка
Экспоненту берем в степени этого дела, получаем какую-то хрень
Оцениваешь, получаешь
ln(y)=ln(y^)+ln(eps)
Справа у нас такие обозначения оценки и остатка
Экспоненту берем в степени этого дела, получаем какую-то хрень
A
Я искренне не понимаю, к чему тут умножение на ошибку. А на новых данных, где истинного значения нет, на что множить будешь?
S
Если без обозначений ln(y)=y^+eps
y=exp(y^+eps)
y=exp(y^+eps)
S
С чего вдруг мне множить что-то на новые данные, где истинных значений нет?
А MSE как тогда считать? А любую другую метрику? Это тут вообще к чему?
А MSE как тогда считать? А любую другую метрику? Это тут вообще к чему?
A
Если ln(y)=2, то y = e^2. Независимо от того, какая там ошибка
S
И..?
A
Это правильная форма записи модели, а не формула вычисления предикта
S
Я вот про это
S
А не про то, что предикты нельзя в степень экспоненты засунуть
A
MSE и все производные метрики вычисляются абсолютно одинаково для модели на исходных данных и для модели на логарифмах, где добавляется этап обратного преобразования
S
Ты как-то выпал из диалога, кажется
Или я
Или я