#rmse — Public Fediverse posts

Development Of An Optimized Survey Workflow For Sandy Beaches With Mapping-Grade Mobile LIDAR
--
https://doi.org/10.2112/JCOASTRES-D-24-00056.1 <-- shared paper
--
#GIS #spatial #mapping #beach #sandy #coast #coastal #corridor #surveying #remotesensing #LiDAR #workflow #calibration #HiWayMapper #vehicle #UTV #4wd dataprocessing #postprocessing #GNSS #navigation #imagery #pointcloud #dunes #foredunes #geomorphology #geomorphometry #rmse #error #accuracy #precision #evaluation #metrics #shoreline #seasonal #dynamics #marine #waves #erosion #deposition

Development Of An Optimized Survey Workflow For Sandy Beaches With Mapping-Grade Mobile LIDAR
--
https://doi.org/10.2112/JCOASTRES-D-24-00056.1 <-- shared paper
--
#GIS #spatial #mapping #beach #sandy #coast #coastal #corridor #surveying #remotesensing #LiDAR #workflow #calibration #HiWayMapper #vehicle #UTV #4wd dataprocessing #postprocessing #GNSS #navigation #imagery #pointcloud #dunes #foredunes #geomorphology #geomorphometry #rmse #error #accuracy #precision #evaluation #metrics #shoreline #seasonal #dynamics #marine #waves #erosion #deposition

Development Of An Optimized Survey Workflow For Sandy Beaches With Mapping-Grade Mobile LIDAR
--
https://doi.org/10.2112/JCOASTRES-D-24-00056.1 <-- shared paper
--
#GIS #spatial #mapping #beach #sandy #coast #coastal #corridor #surveying #remotesensing #LiDAR #workflow #calibration #HiWayMapper #vehicle #UTV #4wd dataprocessing #postprocessing #GNSS #navigation #imagery #pointcloud #dunes #foredunes #geomorphology #geomorphometry #rmse #error #accuracy #precision #evaluation #metrics #shoreline #seasonal #dynamics #marine #waves #erosion #deposition

Development Of An Optimized Survey Workflow For Sandy Beaches With Mapping-Grade Mobile LIDAR
--
https://doi.org/10.2112/JCOASTRES-D-24-00056.1 <-- shared paper
--
#GIS #spatial #mapping #beach #sandy #coast #coastal #corridor #surveying #remotesensing #LiDAR #workflow #calibration #HiWayMapper #vehicle #UTV #4wd dataprocessing #postprocessing #GNSS #navigation #imagery #pointcloud #dunes #foredunes #geomorphology #geomorphometry #rmse #error #accuracy #precision #evaluation #metrics #shoreline #seasonal #dynamics #marine #waves #erosion #deposition

Development Of An Optimized Survey Workflow For Sandy Beaches With Mapping-Grade Mobile LIDAR
--
https://doi.org/10.2112/JCOASTRES-D-24-00056.1 <-- shared paper
--
#GIS #spatial #mapping #beach #sandy #coast #coastal #corridor #surveying #remotesensing #LiDAR #workflow #calibration #HiWayMapper #vehicle #UTV #4wd dataprocessing #postprocessing #GNSS #navigation #imagery #pointcloud #dunes #foredunes #geomorphology #geomorphometry #rmse #error #accuracy #precision #evaluation #metrics #shoreline #seasonal #dynamics #marine #waves #erosion #deposition

Danach logarithmischer Abfall der Dichte vom #Erwartungswert (kann negativ sein, da das Maximum im Allgemeinen etwas abseits liegt). Dahinter diverse #Potenzmittel (∞, 2, 1.5, 1) der Abweichungen nach #Logit und in #Prozentpunkte⁠n. #RMSE (Root Mean Square Error) ist generell der beste Standard. Logit bewertet Abweichungen bei kleineren Parteien ziemlich stark; bei Prozentpunkten sind sie dagegen im Verhältnis zu zufälligen Stichproben unterbewertet. [2/2]

Danach logarithmischer Abfall der Dichte vom #Erwartungswert (kann negativ sein, da das Maximum im Allgemeinen etwas abseits liegt). Dahinter diverse #Potenzmittel (∞, 2, 1.5, 1) der Abweichungen nach #Logit und in #Prozentpunkte⁠n. #RMSE (Root Mean Square Error) ist generell der beste Standard. Logit bewertet Abweichungen bei kleineren Parteien ziemlich stark; bei Prozentpunkten sind sie dagegen im Verhältnis zu zufälligen Stichproben unterbewertet. [2/2]

Danach logarithmischer Abfall der Dichte vom #Erwartungswert (kann negativ sein, da das Maximum im Allgemeinen etwas abseits liegt). Dahinter diverse #Potenzmittel (∞, 2, 1.5, 1) der Abweichungen nach #Logit und in #Prozentpunkte⁠n. #RMSE (Root Mean Square Error) ist generell der beste Standard. Logit bewertet Abweichungen bei kleineren Parteien ziemlich stark; bei Prozentpunkten sind sie dagegen im Verhältnis zu zufälligen Stichproben unterbewertet. [2/2]

Danach logarithmischer Abfall der Dichte vom #Erwartungswert (kann negativ sein, da das Maximum im Allgemeinen etwas abseits liegt). Dahinter diverse #Potenzmittel (∞, 2, 1.5, 1) der Abweichungen nach #Logit und in #Prozentpunkte⁠n. #RMSE (Root Mean Square Error) ist generell der beste Standard. Logit bewertet Abweichungen bei kleineren Parteien ziemlich stark; bei Prozentpunkten sind sie dagegen im Verhältnis zu zufälligen Stichproben unterbewertet. [2/2]

Простыми словами про метрики в ИИ. Регрессия. MSE, RMSE, MAE, R-квадрат, MAPE

Привет, Хабр! Меня зовут Александр Троицкий, я автор канала AI для чайников , и я продолжаю серию коротких статей по метрикам качества моделей для машинного обучения!

https://habr.com/ru/articles/820499/

#искусственный_интеллект #метрики #регрессия #метрики_регрессии #data_science #MSE #RMSE #MAE #Rквадрат #MAPE

Простыми словами про метрики в ИИ. Регрессия. MSE, RMSE, MAE, R-квадрат, MAPE

Привет, Хабр! Меня зовут Александр Троицкий, я автор канала AI для чайников , и я продолжаю серию коротких статей по метрикам качества моделей для машинного обучения!

https://habr.com/ru/articles/820499/

#искусственный_интеллект #метрики #регрессия #метрики_регрессии #data_science #MSE #RMSE #MAE #Rквадрат #MAPE

Простыми словами про метрики в ИИ. Регрессия. MSE, RMSE, MAE, R-квадрат, MAPE

Привет, Хабр! Меня зовут Александр Троицкий, я автор канала AI для чайников , и я продолжаю серию коротких статей по метрикам качества моделей для машинного обучения!

https://habr.com/ru/articles/820499/

#искусственный_интеллект #метрики #регрессия #метрики_регрессии #data_science #MSE #RMSE #MAE #Rквадрат #MAPE

Зачем мне пылесос с ананасом или как оценить корректность рекомендательной системы

Привет, Хабр! На связи участница профессионального сообщества NTA Ульянова Дарья. Каждый день, выполняя рутинные действия, мы сталкиваемся с рекомендательными системами. Их предложения часто попадают прямо в цель, и иногда создается впечатление, что кто‑то читает твои мысли. Сегодня буду разбираться с тем, как оцениваются рекомендательные системы, какие метрики качества используются, и как затем измеряется эффективность их работы для бизнеса. Это полезно при оценке сервисов с рекомендательными системами, ведь часто нам приходят чисто статистические данные, в которых надо разобраться, и дать объективную оценку проекту. К метрикам recsys

https://habr.com/ru/articles/779038/

#recsys #recommender_systems #RMSE #метрики #Precision@k #Recall@k #MAP@k #NDCG@k

Зачем мне пылесос с ананасом или как оценить корректность рекомендательной системы

Привет, Хабр! На связи участница профессионального сообщества NTA Ульянова Дарья. Каждый день, выполняя рутинные действия, мы сталкиваемся с рекомендательными системами. Их предложения часто попадают прямо в цель, и иногда создается впечатление, что кто‑то читает твои мысли. Сегодня буду разбираться с тем, как оцениваются рекомендательные системы, какие метрики качества используются, и как затем измеряется эффективность их работы для бизнеса. Это полезно при оценке сервисов с рекомендательными системами, ведь часто нам приходят чисто статистические данные, в которых надо разобраться, и дать объективную оценку проекту. К метрикам recsys

https://habr.com/ru/articles/779038/

#recsys #recommender_systems #RMSE #метрики #Precision@k #Recall@k #MAP@k #NDCG@k