Cũng giống như các mô hình phân tích Hồi quy truyền thống, chúng tôi sử dụng các tiêu chuẩn đánh giá kết quả dự báo của mô hình thường dùng là Sai số tuyệt đối trung bình (MAE), Sai số bình phương trung bình (MSE), Căn bậc hai của sai số bình phương trung bình (RMSE), Hệ số không ngang bằng Theil’U. Cụ thể, cách tính toán các chỉ số trên được trình bày dưới đây.
Sai số tuyệt đối trung bình
∑ | |
Sai số bình phương trung bình
∑
Căn bậc hai của sai số bình phương trung bình
√∑
Các giá trị sai số MAE, MSE và RMSE đều có giá trị dương. Các giá trị sai số này càng nhỏ chứng tỏ mô hình dự báo càng chính xác.
Hệ số không ngang bằng Theil’U
Hệ số không ngang bằng Theil’U là tỷ số giữa RMSE của mô hình dự báo và RMSE của mô hình dự báo thô giản đơn (Mô hình dự báo thô giản đơn là mô hình dự báo với YF
i+1 = Yi).
√ ∑ √ ∑ là giá trị thực tế hay Giá trị mục tiêu của quan sát thứ i
U càng tiến về 0 thì mô hình càng dự báo chính xác
U < 1: Mô hình dự báo tốt hơn mô hình dự báo thô giản đơn
U = 1: Mô hình dự báo cũng giống như mô hình dự báo thô giản đơn
U > 1: Mô hình dự báo không tốt bằng mô hình dự báo thô giản đơn Thực tế, U < 0,55 được đánh giá là tốt
Ngoài ra, khi sử dụng thuật toán truyền ngược, Mạng thần kinh sẽ gán giá trị đầu tiên cho mỗi trọng số (thông thường là một giá trị ngẫu nhiên nhỏ), và xử lý cho tới khi thỏa tiêu chuẩn để ngừng quá trình huấn luyện. Có 3 tiêu chuẩn ngừng huấn luyện phổ biến: vượt quá số vòng lặp, hoặc đạt tới ngưỡng sai số bình phương trung bình (MSE) có thể chấp nhận được của giá trị đầu ra, hoặc do sử dụng dữ liệu phê duyệt. Dữ liệu phê duyệt liên quan đến vấn đề ngừng đúng lúc là tiêu chuẩn tốt nhất trong 3 tiêu chuẩn vì nó ngừng việc huấn luyện tại điểm tổng quát hóa tốt nhất.