Mine Squared Error (MSE) adalah metrik umum yang digunakan untuk mengevaluasi kinerja model regresi. Ini mengukur perbedaan kuadrat rata-rata antara nilai aktual dan diprediksi. Menghitung MSE melibatkan beberapa langkah yang sederhana yang membantu dalam memahami seberapa baik model memprediksi titik data.

Langkah 1: Gabungkan Nilai yang Aktual dan Diprediksi

Kumpulkan nilai aktual dari dataset dan nilai yang diprediksi yang dihasilkan oleh model regresi. Keduanya harus dalam urutan yang sama untuk memastikan perhitungan yang akurat.

Langkah 2: Menghitung Perbedaannya

Untuk setiap titik data, tolak nilai yang diprediksi dari nilai sebenarnya. Ini memberikan kesalahan untuk setiap titik.

Langkah 3: Persegikan Kesalahannya

4 - 4 4 - 4 4 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 2 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3 - 3

Langkah 4: Menghitung Maknanya

Tambahkan semua kesalahan kuadrat bersama dan bahagi dengan jumlah total titik data. Ini memberikan mean dari kesalahan kuadrat, yaitu MSE.

Ringkasan Penghitungan

  • Kumpulkan nilai aktual dan diprediksi
  • Akal kesalahan untuk setiap titik data
  • Setiap kesalahan kuadrat [2]
  • Semua kesalahan kuadrat rum
  • Membagi jumlah titik data