分析理论值,虚拟仿真值,实测值
这三个概念其实比较清楚，但在看一些文章的时候，一个概念经常有多个叫法，造成对涉及到该概念的其他概念的理解错误。
1、真实值
参考量值。对于测量而言，人们往往把一个量在观测时，其本身所具有的真实大小认为是被测量两的真值。实际上，它是一个理想概念。只有当某量被完善地确定并能排除所有测量值熵的缺陷时，通过测量所得到的量值才是量的真值。从测量的角度来说，难以做到这一点，一般来说，真值不可能确切获知。
2、测量值(也常被称作观测值/实际值)
观测值是指通过测量或测定所得到的样本值。许多指标的观测值具有直观的唯一确定性，此观测值即是指标值。
3、预测值
按照一定的数字模型并根据历史资料推算出来的，它不可能与未来的实际情况完全相符，预测值只是对未来情况的估计值，具有一定的假定性和近似性。 个人理解-_-：突然发现，好像世界上的值无非就来自这三类（伪造、臆造的数值从某种程度上来说也算预测，只是他们的预测模型是错误的，是来自大脑，或者不正确的经验；均值等其实可以看成是对真实值的预测）。
二、偏差、误差、残差、方差、均方差、均方误差、标准差、标准误差区别？ 1、误差(an error;inaccuracy;deviation)
噪音。测量值减去真实值(参考量值)。如果回归模型正确，可以将残差看作误差的观测值。
2、偏差(bias)
衡量模型的预测值与实际(测量?)值之间的偏离关系。
付静去向3、残差(residual)
预测值与测量值之间的差异。与模型偏差的定义接近，二者区别是偏差时模型拟合度不够导致的。而残差是模型准确，但仍然与真实值有一定的差异，这里可以理解为噪声，噪声(误差)是随机的，意味着不可预测，而偏差不是随机产生的，可以通过一定的特征工程进性预测。如果回归模型正确，可以将残差看作误差的观测值。
优质课的标准
概念模型设计4、标准化残差(standardizedresidual)
在回归分析中，测定值与按回归方程预测的值之差，以δ表示。残差δ遵从正态分布N(0，σ2)。（δ-残差的均值）/残差的标准差，称为标准化残差，以δ表示。δ遵从标准正态分布N(0，1)。实验点的标准化残差落在(-2，2)区间以外的概率≤0、05。若某一实验点的标准化残差落在(-2，2)区间以外，可在95%置信度将其判为异常实验点，不参与回归直线拟合。本质就是标准差。
5、方差(variance)
1)ML中：方差描述的是训练数据在不同迭代阶段的训练模型中，预测值的变化波动情况（
或称之为离散情况）。从数学角度看，可以理解为每个预测值与预测(？)均值差的平方和的再求平均数。
2)概率论中：方差用来测度随机变量和其数学期望之间的偏离程度。
3)统计中：方差(样本)方差是每个样本值与全体样本值的平均数之差的平方值的平均数。
个人理解：三种情况无论是(1)中的预测值还是(2)中的随机变量，亦或是(3)中样本的测量值，方差的数学本质其实一样的，都是为了衡量一组数据的离散程度。也就是说，跟预测值还是测量值没关系，但是误差、偏差、残差等是有确定的衡量对象的。
6、标准差(Standard Deviation)
标准差是方差的算数平方根，它反映组内个体间的离散程度。因此它的过程是与平均值之间进性均值计算。
模糊数学模型SSE(和方差、误差平方和):the sum of squares due to error
MSE(均方误差)：mean squared error
RMSE(均方根、标准差)：root mean squared error
Standard deviation(标准差)：跟RMSE一样
均方差就是标准差。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议