我使用了一个训练源CSV文件，该文件被分为一个主数据框，然后将其分成80％的训练数据和20％的测试数据。在拆分数据之前，我对数据帧的所有列进行了归一化处理，以使所有独立和从属数据都在0到1之间，包括目标（因变量）。在训练后的结果中，我的预测值都在0到1之间。然后我对单个预测进行归一化，以查看得到的值并将其与期望值进行比较。我的问题是我正在通过MSE（均方误差）和RMSE（均方根误差）来测量模型。根据训练数据得出的MSE和RMSE分别为0.03和0.16。标准化数据源是否具有这些可接受的值？如果没有，对于我的标准化数据源，可接受的值是多少？还是我应该对数据进行归一化，因为我的自变量之间没有范围差异？如果我不对数据进行归一化，那么我应该使用归一化的RMSE来解释指标吗？如果在不对训练和测试数据进行归一化时对RMSE进行归一化，那么归一化RMSE的可接受值是多少？预先感谢您的任何答复。
答案 0 :(得分：2)
“好”应该相对于幼稚的预测（例如随机游走）来衡量。该基准将根据数据的波动程度而变化。 .5对于一个预测而言可能是可怕的，而对于另一个预测而言则可能是出色的。