Mean Squared Error (MSE) on yhteinen metri, jota käytetään arvioimaan regressiomallien suorituskykyä. Se mittaa keskimääräistä neliöiden eroa todellisten ja ennustettujen arvojen välillä. MSE:n laskeminen sisältää muutamia yksinkertaisia askelia, jotka auttavat ymmärtämään, miten hyvin malli ennustaa datapisteitä.

Vaihe 1: Kokoa todelliset ja ennustetut arvot

Kerää tiedot ja regressiomallin tuottamat ennustearvot. Molempien on oltava samassa järjestyksessä tarkan laskelman varmistamiseksi.

Vaihe 2: Laske erot

Kunkin tietopisteen osalta vähennetään ennustearvo todellisesta arvosta. Tämä antaa virheen kunkin pisteen osalta.

Vaihe 3: Virheiden neliö

Neliö jokainen virhe poistaa negatiiviset arvot ja korostaa suurempia virheitä. Tämä tehdään kertomalla jokainen virhe itse.

Vaihe 4: Laske keskiarvo

Lisää kaikki neliövirheet yhteen ja jaa datapisteiden kokonaismäärällä. Tämä antaa neliövirheiden keskiarvon, joka on MSE.

Yhteenveto laskennasta

  • Kerää todelliset ja ennustetut arvot
  • Laske virhe kunkin tietopisteen osalta
  • Neliö jokainen virhe
  • Kertaa kaikki neliövirheet
  • Jaa tietopisteiden lukumäärä