意味スクエアエラー(MSE)は、回帰モデルのパフォーマンスを評価するために使用される一般的なメトリックです。 これは、実際の値と予測値の平均四角形の差を測定します。 MSEを計算すると、モデルがデータポイントを予測する方法を理解するのに役立ついくつかの簡単な手順が含まれています。

ステップ1:行動的および予測値の収集

実際の値が、データセットから収集し、回帰モデルによって生成された予測値。どちらも同じ順序で正確な計算を確実にするためにあるべき。

ステップ2:違いを計算する

各データポイントでは、予測値が実際の値から引き下げます。これにより、各ポイントのエラーが発生します。

ステップ3:エラーを平方する

負の値を排除し、大きなエラーを強調するために、各エラーを平方します。これは、各エラーをそれ自体に乗じることによって行われます。

ステップ4: 意味を計算する

四角形のエラーをまとめて、データポイントの合計数で分割します。これにより、MSE の四角形のエラーの平均が得られます。

計算のまとめ

  • 実際の値と予測値の収集
  • 各データポイントのエラーを計算する
  • 各エラーを平方
  • 四角形エラーをすべて消してしまう
  • データのポイント数で分岐