Calcul étape par étape de l'erreur carrée moyenne dans les tâches de régression

L'erreur carrée moyenne (ESM) est une mesure courante utilisée pour évaluer la performance des modèles de régression. Elle mesure la différence carrée moyenne entre les valeurs réelles et les valeurs prévues. Le calcul de l'ESM implique quelques étapes simples qui aident à comprendre dans quelle mesure un modèle prédit les points de données.

Étape 1: Rassembler les valeurs réelles et prévues

Recueillir les valeurs réelles à partir de l'ensemble de données et les valeurs prévues générées par le modèle de régression. Les deux devraient être dans le même ordre pour assurer un calcul précis.

Étape 2: Calculer les différences

Pour chaque point de données, soustrayez la valeur prédite de la valeur réelle. Cela donne l'erreur pour chaque point.

Étape 3: Placez les erreurs

Placez chaque erreur pour éliminer les valeurs négatives et mettre l'accent sur les erreurs plus grandes. Ceci est fait en multipliant chaque erreur par elle-même.

Étape 4: Calculer la moyenne

Ajouter toutes les erreurs carrées ensemble et diviser par le nombre total de points de données. Cela donne la moyenne des erreurs carrées, qui est le MSE.

Résumé du calcul