xgboost poisson run中的nloglikelihood值後面的直覺

Question

當我使用count:poisson而不是rmse時，我看到的值爲nloglikelihood。現在我不確定如何將這些數字與rmse或mae進行比較。

肯定會更好的價值..但沒有得到實際的錯誤直覺，我們與rmse或湄獲得。

例如 - >train-poisson-nloglik:2.01885 val-poisson-nloglik:2.02898

在這裏，我們可以說，實際值由2.02錯誤不同。 有人可以用小例子來解釋。 謝謝。

Answer 1

上有值的計算好的帖子here

只是要更詳盡，值是：

mean(factorial(label) + preds - label*log(preds)) 

如果用負對數似然的真奶粉比較，它應該是sum而不是mean。我想他們選擇平均值，以便列車和測試值更具可比性。

最後，要回答這個問題，可能性是數據來自具有特定參數的分佈的概率。在泊松模型中，參數只是一組預測值。所以你的預測越好，概率越大，相關的負對數似然值越小。

rmse或mae基於預測與真值之間的差異的預期，而負對數似然性正在查看概率。