Table of Contents
به این معنی که خطای Squared (MSE) یک متریک رایج است که برای ارزیابی عملکرد مدل های رگرسیون استفاده می شود، تفاوت میانگین مربعی بین مقادیر واقعی و پیش بینی شده را اندازه گیری می کند. Calculation MSE شامل چند گام ساده است که به درک اینکه چگونه یک مدل پیش بینی نقاط داده است، کمک می کند.
مرحله 1: جمع آوری ارزش های واقعی و پیش بینی شده
جمع آوری ارزش های واقعی از مجموعه داده ها و ارزش های پیش بینی شده تولید شده توسط مدل رگرسیون هر دو باید در همان ترتیب برای اطمینان از محاسبه دقیق.
مرحله دوم: تفاوت ها را محاسبه کنید
برای هر نقطه داده، ارزش پیش بینی شده را از ارزش واقعی به دست آورید.این خطا را برای هر نقطه می دهد.
مرحله 3: خطای مربع
هر خطایی را برای از بین بردن ارزش های منفی و تأکید بر خطاهای بزرگتر، به خودی خود این کار را انجام می دهد.
مرحله 4: معنای را محاسبه کنید
تمام خطاهای مربع را با هم اضافه کنید و با تعداد کل نقاط داده تقسیم کنید، این به معنای خطاهای مربعی است که MSE است.
خلاصه داستان : Calculation
- جمع آوری ارزش های واقعی و پیش بینی شده
- خطای هر نقطه داده را محاسبه کنید
- هر خطایی
- همه اشتباهات مربعی
- تقسیم بندی شده توسط تعداد نقاط داده