如果任何节点处的平均值为 60 且 MSE = 169，则 RMSE 为 13。我能否得出结论，我的节点处的误差为 60 +-13，即我在此特定样本拆分中的值范围为 60-13 到 60+13。如果不是，每次拆分时的 mae/mse 是什么，我该如何解释？
如何在 sklearn python 中解释回归决策树每个节点的 MAE/MSE？
数据挖掘
机器学习
Python
scikit-学习
随机森林
决策树
2022-02-26 06:32:35
1个回答
我可以得出结论，我的节点上的错误是 60 +-13，即我在这个特定样本拆分中的值范围从 60-13 到 60+13。
不，你不能，因为实际的错误值取决于数据。例如，您可能有 1 个错误为 41.11 的实例和 9 个错误为 0 的实例：
此示例表明，您对单个绝对误差的唯一保证是它小于或等于。
MAE（平均绝对误差）更容易解释：它实际上是误差绝对值的平均值。