计算预测值的准确度
问题描述：
我有一个基于多层神经网络的估计器，它可以输入车辆的过去到达时间并估计下一辆车的到达时间（使用反向传播算法）。基于某个阈值（例如10秒），估计器将预测时间分类为高或低（1或0）。我的问题是，根据观测和预测/预计到达时间（1的& 0），我如何计算整体预测的准确度（或正确的预测率）？计算预测值的准确度
答
你必须自己定义你的意思是high (1)和low (0)。例如，您可以说high到达时间等于5分钟或更长，并且low到达时间少于5分钟。一旦你的神经网络给出了预测，那么你可以检查你的样本是否下一辆车的到达时间确实是high或low（即分别超过5分钟或少于5分钟）。你可以使用它来计算你的预测的准确性。
这就是我正在做的，正如我在问题中所描述的那样。高（1）表示小于10秒的时段，低（0）表示大于10秒的时段。我确实用观测值检查了预测值。因此，我有4组值，即低预测值，高预测值，低观测值，高值。问题是我如何计算预测算法的准确性。 – user846400 2012-07-11 08:48:45
啊，我错过了！您可以按如下方式计算准确度：如果“预测”值与“观察”值匹配，则执行“correct_count + = 1”。一旦你完成了，你可以通过将'correct_count'除以你所做的预测总数找到准确度：'correct_count/total_predictions_amount' – Sicco 2012-07-11 09:07:16