到达时间估计评估模块

我们实现了若干种评估损失函数，以使得同一任务下的不同的模型可以在同样的标准下进行比较。

评估指标

对于到达时间估计任务，本评估器实现了一系列评估指标：

评估指标	评估指标(英文)	公式
平均绝对误差	MAE(Mean Absolute Error)	\[MAE=\frac{1}{n}\sum_{i=1}^n|\hat{y_{i}}-y_i|\]
均方误差	MSE(Mean Squared Error)	\[MSE=\frac{1}{n}\sum_{i=1}^n(\hat{y_{i}}-y_i)^2\]
均方根误差	RMSE(Rooted Mean Squared Error)	\[RMSE=\sqrt{\frac{1}{n}\sum_{i=1}^n(\hat{y_{i}}-y_i)^2}\]
平均绝对百分比误差	MAPE(Mean Absolute Percent Error)	\[MAPE=\frac{1}{n}\sum_{i=1}^n|\frac{\hat{y_{i}}-y_i}{y_i}|*100\%\]
决定系数	R2(Coefficient of Determination)	\[R^2=1-\frac{\sum_{i=1}^n(y_i-\hat{y_i})^2}{\sum_{i=1}^n(y_i-\bar{y})^2}\]
可释方差值	EVAR(Explained variance score)	\[EVAR =1-\frac{Var(y_i-\hat{y_i})}{Var(y_i)}\]

其中，真实值为\(y=\{y_1,y_2,...,y_n\}\)，预测值为\(\hat{y} = \{\hat{y_1}, \hat{y_2}, ..., \hat{y_n}\}\)，\(n\)为样本个数，均值\(\bar{y}=\frac{1}{n}\sum_{i=1}^ny_i\)，方差\(Var(y_i)=\frac{1}{n}\sum_{i=1}^n(y_{i}-\bar{y})^2\)。

评估设置

下面是评估器所涉及到的一系列参数：

位置：libcity/config/evaluator/ETAEvaluator.json

• metrics：指定评价指标数组，评估类的allowed_metrics表示该任务可以接受的指标类型，不能超出此范围。