#python #keras #neural-network #prediction #pearson-correlation
#python #keras #нейронная сеть #прогнозирование #pearson-корреляция
Вопрос:
Может кто-нибудь, пожалуйста, рассказать, как использовать коэффициент корреляции Пирсона для оценки производительности модели? Я хочу предсказать pm2.5. конечными переменными являются y_pred и y_actual. Я не смог найти ни одного учебника.
model.fit(x=X_train_scaled, y=y_train_scaled, batch_size=5, epochs=100, verbose=1, validation_data=(X_valid_scaled, y_valid_scaled), shuffle=True)
y_pred = model.predict(X_test_scaled)
y_pred_rescaled = Target_scaler.inverse_transform(y_pred)
что делать после этого, чтобы получить точность, используя коэффициент корреляции Пирсона, используя python в keras?
Комментарии:
1. Коэффициент корреляции Пирсона не используется для определения точности модели. Он используется для определения величины ассоциации или корреляции. Вы можете использовать
scipy.stats.pearsonr(x,y)
Ответ №1:
Вы не можете использовать коэффициент корреляции Пирсона для проверки производительности модели.
С другой стороны, вы можете использовать коэффициент корреляции Пирсона, чтобы проверить, сильно ли коррелируют две переменные, и если да, исключить одну из них, переобучить и проверить точность новой модели с исключенной переменной. Вы должны ожидать получить по крайней мере такую же или даже лучшую точность / производительность, при условии, что ваши две переменные сильно коррелируют.