Ortalama Squared Hata (MSE), geri dönüşüm modellerinin performansını değerlendirmek için kullanılan yaygın bir ölçümdür. Gerçek ve tahmin edilen değerler arasındaki ortalama kare farkı ölçer. MSE, bir modelin veri puanlarını nasıl iyi tahmin ettiğini anlamak için birkaç basit adım içerir.
Adım 1: Gather Actual ve Predicted Values
Regresyon modeli tarafından yaratılan veri kümesinden gerçek değerleri toplayın. Her ikisi de doğru hesaplamayı sağlamak için aynı olmalıdır.
2. Adım: Farkları hesaplayın
Her veri noktası için, tahmin edilen değeri gerçek değerden çıkarın. Bu, her bir nokta için hata verir.
3. Adım: Hatalar
Olumsuz değerleri ortadan kaldırmak ve daha büyük hataları vurgulamak için her hataya meydan okumak. Bu, her hatayı kendi başına çoğaltarak yapılır.
Adım 4: Doğruyu hesaplayın
Tüm kare hataları birlikte ekleyin ve toplam veri puanlarının bölünmesi. Bu, MSE'nin olduğu meydandaki hataların anlamını verir.
Hesaplamanın Özeti
- Gerçek ve tahmin edilen değerler
- Her veri noktası için hatayı hesaplayın
- Her hata
- Sum all kareli hataları
- Veri puanlarının sayısına göre bölün.