電力需要AI予測ダッシュボード
GitHub Actions自動更新 | Open-Meteo API連携
学習年: 2022, 2023, 2024
Keras予測
RMSE
- RMSE (Root Mean Square Error)
予測値と実際の値の誤差の大きさを示す指標です。
RMSE = √(Σ(予測値 - 実際値)² / n)
値が小さいほど予測精度が高いことを示します。
- RMSE (Root Mean Square Error)
予測値と実際の値の誤差の大きさを示す指標です。
RMSE = √(Σ(予測値 - 実際値)² / n)
値が小さいほど予測精度が高いことを示します。
R²
- R² (決定係数)
モデルが実際のデータをどの程度説明できるかを示します。
R² = 1 - (残差平方和 / 全平方和)
1に近いほど予測精度が高く、0に近いほど低いです。
- R² (決定係数)
モデルが実際のデータをどの程度説明できるかを示します。
R² = 1 - (残差平方和 / 全平方和)
1に近いほど予測精度が高く、0に近いほど低いです。
MAE
- MAE (Mean Absolute Error)
予測値と実際の値の平均絶対誤差です。
MAE = Σ|予測値 - 実際値| / n
外れ値の影響を受けにくい指標です。
- MAE (Mean Absolute Error)
予測値と実際の値の平均絶対誤差です。
MAE = Σ|予測値 - 実際値| / n
外れ値の影響を受けにくい指標です。
クリックで拡大
画像を拡大表示します。モーダル内でダウンロードできます。
LightGBM予測
RMSE
- RMSE (Root Mean Square Error)
予測値と実際の値の誤差の大きさを示す指標です。
RMSE = √(Σ(予測値 - 実際値)² / n)
値が小さいほど予測精度が高いことを示します。
- RMSE (Root Mean Square Error)
予測値と実際の値の誤差の大きさを示す指標です。
RMSE = √(Σ(予測値 - 実際値)² / n)
値が小さいほど予測精度が高いことを示します。
R²
- R² (決定係数)
モデルが実際のデータをどの程度説明できるかを示します。
R² = 1 - (残差平方和 / 全平方和)
1に近いほど予測精度が高く、0に近いほど低いです。
- R² (決定係数)
モデルが実際のデータをどの程度説明できるかを示します。
R² = 1 - (残差平方和 / 全平方和)
1に近いほど予測精度が高く、0に近いほど低いです。
MAE
- MAE (Mean Absolute Error)
予測値と実際の値の平均絶対誤差です。
MAE = Σ|予測値 - 実際値| / n
外れ値の影響を受けにくい指標です。
- MAE (Mean Absolute Error)
予測値と実際の値の平均絶対誤差です。
MAE = Σ|予測値 - 実際値| / n
外れ値の影響を受けにくい指標です。
クリックで拡大
画像を拡大表示します。モーダル内でダウンロードできます。
PyCaret予測
RMSE
- RMSE (Root Mean Square Error)
予測値と実際の値の誤差の大きさを示す指標です。
RMSE = √(Σ(予測値 - 実際値)² / n)
値が小さいほど予測精度が高いことを示します。
- RMSE (Root Mean Square Error)
予測値と実際の値の誤差の大きさを示す指標です。
RMSE = √(Σ(予測値 - 実際値)² / n)
値が小さいほど予測精度が高いことを示します。
R²
- R² (決定係数)
モデルが実際のデータをどの程度説明できるかを示します。
R² = 1 - (残差平方和 / 全平方和)
1に近いほど予測精度が高く、0に近いほど低いです。
- R² (決定係数)
モデルが実際のデータをどの程度説明できるかを示します。
R² = 1 - (残差平方和 / 全平方和)
1に近いほど予測精度が高く、0に近いほど低いです。
MAE
- MAE (Mean Absolute Error)
予測値と実際の値の平均絶対誤差です。
MAE = Σ|予測値 - 実際値| / n
外れ値の影響を受けにくい指標です。
- MAE (Mean Absolute Error)
予測値と実際の値の平均絶対誤差です。
MAE = Σ|予測値 - 実際値| / n
外れ値の影響を受けにくい指標です。
クリックで拡大
画像を拡大表示します。モーダル内でダウンロードできます。
RandomForest予測
RMSE
- RMSE (Root Mean Square Error)
予測値と実際の値の誤差の大きさを示す指標です。
RMSE = √(Σ(予測値 - 実際値)² / n)
値が小さいほど予測精度が高いことを示します。
- RMSE (Root Mean Square Error)
予測値と実際の値の誤差の大きさを示す指標です。
RMSE = √(Σ(予測値 - 実際値)² / n)
値が小さいほど予測精度が高いことを示します。
R²
- R² (決定係数)
モデルが実際のデータをどの程度説明できるかを示します。
R² = 1 - (残差平方和 / 全平方和)
1に近いほど予測精度が高く、0に近いほど低いです。
- R² (決定係数)
モデルが実際のデータをどの程度説明できるかを示します。
R² = 1 - (残差平方和 / 全平方和)
1に近いほど予測精度が高く、0に近いほど低いです。
MAE
- MAE (Mean Absolute Error)
予測値と実際の値の平均絶対誤差です。
MAE = Σ|予測値 - 実際値| / n
外れ値の影響を受けにくい指標です。
- MAE (Mean Absolute Error)
予測値と実際の値の平均絶対誤差です。
MAE = Σ|予測値 - 実際値| / n
外れ値の影響を受けにくい指標です。
クリックで拡大
画像を拡大表示します。モーダル内でダウンロードできます。
最終更新: - | 次回更新予定: 毎日 07:00 (日本時間)
📊 View on GitHub: Power-Demand-Forecast