本文主要是介绍数据评价方法:关联度检验/后验差检验/小误差频率,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
1.关联度检验
关联度检验可以这么理解:将得到的数据和一个“标准数据”进行比对,得出对应的关联度,关联度最大的数据(即和“标准数据”最“接近”的数据)是最优的数据(直观理解就是,班级里面有一个同学最优秀,拿全班同学和ta比较,认为最接近ta的就是最优秀的)。
关联度检验的流程:
举例说明,现在有一组原始数据x0=[1,2,5,7,9],对它按时间[1,2,3,4,5]分别进行灰色预测、一次拟合、三次拟合、指数拟合得到对应数据(即相关拟合下时间[1,2,3,4,5]对应的数据)如下图所示,问x1,x2,x3,x4中哪一组数据最接近于原始数据(即拟合效果最好)
按照关联度检验的流程,先求绝对误差如下图所示:
则该组数据的两级最小差min min|X0(k)-Xn(k)|=0;两级最大差max max|X0(k)-Xn(k)|=1.0495
(这里两级最小差可理解为所有绝对误差中的最小值,同理两级最大差)
带入关联系数的
这篇关于数据评价方法:关联度检验/后验差检验/小误差频率的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!