评估缩放的RMSE

Question

我是机器学习的新手，我想知道在数据缩放时如何评估RMSE。我使用了加利福尼亚州的住房数据集，并使用SVR对其进行了训练：

from sklearn.datasets import fetch_california_housing

housing = fetch_california_housing()
X = housing["data"]
y = housing["target"]

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

然后，我缩放了SVR的数据，并训练了模型：

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

from sklearn.svm import LinearSVR

lin_svr = LinearSVR(random_state=42)
lin_svr.fit(X_train_scaled, y_train)

当我想要评估RMSE时，结果是缩放的，所以它对我来说没有太大意义：

from sklearn.metrics import mean_squared_error

y_pred = lin_svr.predict(X_train_scaled)
rmse = np.sqrt(mean_squared_error(y_train, y_pred))

rmse是0.976993881287582

我如何理解结果呢？(y列以数万美元为单位)

我尝试通过取消缩放数据来y_pred，但结果没有任何意义：

y_pred = lin_svr.predict(X_test_scaled)
mse = mean_squared_error(y_test, y_pred)
np.sqrt(mse)

所以问题是，当数据被缩放时，我如何解释RMSE，是否有一种正确的方法来取消缩放，以便理解它

谢谢!

Answer 1

在这里，您没有缩放目标变量，因此rmse的单位与目标变量相同。因为目标变量是以100,000美元为单位的，所以可以使用rmse度量来定义观测数据和预测数据之间的差异。这意味着rmse = 0.976993881287582 => 97,699美元。