평균 사각형 오류 (MSE)는 회귀 모델의 성능을 평가하는 데 사용되는 일반적인 메트릭입니다. 실제적이고 예측 된 값 사이의 평균 사각형 차이를 측정합니다. 계산 MSE는 모델이 데이터 포인트를 예측하는 방법을 이해하는 데 도움이되는 몇 가지 직선 단계가 포함되어 있습니다.

단계 1: 실제와 예측된 가치

dataset에서 실제 값을 수집하고 회귀 모델에 의해 생성 된 예측 된 값. 둘 다 정확한 계산을 보장하기 위해 동일한 순서에 있어야한다.

2 단계 : 차이점을 계산

각 데이터 포인트의 경우, 실제 값에서 예측된 값을 빼앗아냅니다. 이 값은 각 지점의 오류를 제공합니다.

단계 3: 오류를 사각형

각 오류가 부정적인 값을 제거하고 더 큰 오류를 강조합니다. 이것은 각 오류를 스스로 곱하여 수행됩니다.

4 단계 : 의미를 계산

모든 사각형 오류를 함께 추가하고 데이터 포인트의 총 수에 의해 배당합니다. 이것은 MSE 인 사각형 오류의 의미를 제공합니다.

계산의 개요

  • 실제적이고 예측된 값
  • 각 데이터 포인트의 오류를 계산
  • 각 오류
  • 모든 사각형 오류를 요약
  • 데이터 포인트의 수로를 나눕니다.