问题标签 [mse]

关于 lapply() 在模拟研究中的应用，我碰壁了。这些数据旨在帮助我们了解标准化公式如何影响提案评级活动的结果。

评估者需要满足三个条件：无偏见、统一偏见（评估者之间的偏见增加）和双向偏见（评估者之间的偏见是正负平衡）。

假设提案的真实价值是已知的。

我们希望在每个偏差条件下生成一组复制数据集，以便数据集模拟单个提案评估期（面板）。然后，我们想复制面板来模拟有许多提案评估期。

数据结构示意图如下：

以下 R 代码正确生成数据：

列表中的每个元素 (t.reps) 都是对整个提案集的评审小组的随机复制。

我想应用以下功能来“调整”面板内的分数，使用整个提案分数集（跨所有评估者和提案）的特征来调整评估者内的值。这个想法是以一种或另一种方式纠正任何偏见（例如，在评估提案时过于苛刻或过于简单）。

应该对每个（reps）数据集应用调整。

因此，对于一个面板，将有 30 个重复数据集（每个偏差条件 10 个），每个重复数据集将有 10 个由 5 个评估者评级的提案，总共有 300 个提案。

因此，想法是进行随机复制，以了解调整后的分数与未调整的分数相比如何。

我曾尝试在 (t.reps) 列表中的列表中使用 lapply() 函数，但它不起作用。

我对其他方法/解决方法持开放态度，这些方法/解决方法将允许使用来自整个评级集的统计数据在一组提案评级中调整评级者。可能有一些我不知道或没有遇到过的 R 功能。

此外，如果有人可以推荐一本书来编写这样的数据结构（在 R、Perl 或 Python 中），那将不胜感激。到目前为止，我发现的文本并没有详细解决这些问题。

非常非常感谢提前。

-乔恩

我不确定这是否是问这个问题的正确地方，但是在哪里可以找到关于如何计算两个图像的 MSE 的分步指南？

我知道公式是什么，但我不知道如何将其付诸实践。

我发现 MSE（托管服务引擎）使用起来非常困难且缓慢。Microsoft 不再在 MSE 上投入任何精力。无论如何，它从来都不是受支持的项目。MSE 的最佳替代方案是什么？

我有一个函数，我给它添加了噪音，然后对其进行平滑以获得回归线。如何在 30 个等距点处找到原始函数和回归线之间的 MSE？

或者，我怎样才能给 R 一个 x 值并在回归线上得到 y 值？

这是我的问题的缩小版本：

所以我得到了 10 个等距点的真实函数值，即 test(m)。我只需要一种方法来提取这 10 个点的 smooth.spline 值，然后我应该能够计算 MSE。

我想使用 openMP 优化下面的代码

欢迎任何关于优化上述代码的建议，目前我有错误的输出。

我的 web 服务器使用 codeigniter 很好，但是在我将服务器移到新的 windows 服务器上之后，它太慢了。我一步一步检查了我的代码，但它是相同的配置和代码。我只是在主控制器类中编写了简单的代码。

没有 mysql 查询，只显示分析器数据。

但是显示太慢了。

加载时间：基类 8.4310

控制器执行时间（Batch/TestA）7.7913

总执行时间 16.2224

运行时间为 16 秒。

代码点火器有什么问题？

我正在开发一个程序来研究神经网络，现在我了解将数据集分为 3 组（训练、验证和测试）的区别（我猜）。我的网络可能只有一个输出或多个输出，具体取决于数据集和问题。学习算法是反向传播。

所以，问题基本上是我对每个错误和计算它的方式感到困惑。

哪个是训练错误？如果我想使用 MSE 是 (desired - output)^2 吗？但是，如果我的网络有 2 个或更多输出，训练误差将是所有输出的总和，会发生什么？

那么，验证错误只是使用验证数据集计算输出并将获得的结果与期望的结果进行比较，这会给我一个错误，它的计算方式与训练错误相同吗？并有多个输出？

最后，不完全清楚，验证应该何时运行？我在某处读到它可能每 5 个 epoch 一次，但是，这有什么规则吗？

提前感谢时间！

我一直在尝试检查 Mahout K-Means 中集群的质量，我想知道是否可以从 clusterDumper 中获取均方误差或在 mahout 中使用其他命令？

使用 ClusterDumper，我只能获得分配给每个集群的点、集群值和半径值，但不能获得集群内平方和误差 (MSE)。 http://mahout.apache.org/users/clustering/cluster-dumper.html

我在 R 中使用glment包进行回归。我使用 进行交叉验证cv.fit<-cv.glmnet(x,y,...)，并使用cvfit$lambda.min. 但我还想获得该MSElambda 的对应（均方误差）。有人会帮我拿到它吗？

我正在使用随机森林来估计许多预测变量的重要性 (%IncMSE)。之后，我使用除一个之外的所有预测变量的组合，并再次计算它们的重要性。即使只使用两个预测变量，RandomForest 在理论上也有效，但我想知道如果 mtry 参数设置为 1 是否有意义。如果我是正确的，这意味着在每次迭代中随机森林只适合树两个预测器之一。如果我只需要制作一个只有两个预测变量的模型，随机森林就不是我的首选，但我不知道在同一篇论文中使用两个不同的统计数据来完成类似任务是否明智。你认为我也应该使用带有两个预测变量的随机森林吗？或者其他模型会更合适？谢谢