模型与RMSE的比较

Question

我是数据科学方面的newby，我想寻求对模型选择的帮助。

我已经建立了8个模型，以预测工资与年度经验，职位名称和地点。然后，我试着比较了RMSE的8种型号。但最后，我不知道我应该选择哪种模式。(在我看来，我更喜欢模型8，因为经过随机森林测试后，结果要比回归好，然后我用所有的数据集做了最终版本，但解释coef比回归更难)你能帮助你选择哪一个模型，为什么？在现实中，数据科学家是这样做的，还是他们有自动处理的方法？

1 RMSElm1 :模型:线性回归，数据:训练80%，试验20%，无任何估算= 22067.58。

2 RMSElm2 2:模型:线性回归，数据:训练80%，测试20%：估算一些我认为他们给出的相同的工资= 22115.64的地点。

3 RMSElm3:模型:线性regression+逐步，数据:训练80%，试验20%无任何估算= 22081.06

4 RMSEdeep1:模型:深入学习(H2O包激活=‘整流器’，隐藏c(5,5)，历元= 100，数据:训练80%，试验20%：无任何估算= 16265.13。

5 RMSErf1:模型:随机森林(ntree =10)，数据:训练80%，试验20%，无任何估算= 14669.92

6 RMSErf2:模型:随机森林(ntree =500)，数据:训练80%，试验20%无任何估算1 14669.92

7 RMSErf3:模型:随机森林(ntree = 10，)数据:K-折叠10无任何估算1,14440.82

8 RMSErf4模型:随机森林(ntree =10)，数据:所有数据集编号:1 13532.74

Answer 1

在回归问题中，mse或rmse是一种识别模型性能的方法。低rmse或mse优先。因此，使用给出最低mse或rmse值的模型，并在测试数据上进行尝试。集成方法往往能得到最好的结果。XGBoost经常用于比赛。

可能会出现过度拟合的情况，在训练数据中可能会得到非常低的rmse，而在测试数据中可能会得到很高的rmse。因此，使用交叉验证被认为是一个很好的实践。

您可能需要检查它：https://stats.stackexchange.com/questions/56302/what-are-good-rmse-values