R 计算均方差MSE(mean squared error)

人工智能87

本文介绍MSE(均方差)，并使用两种R方法实现。

判定预测模型的准确度的常用方法是均方差MSE( mean squared error)。计算公示为：

MSE = (1/n) * Σ(actual – prediction)^2

  • Σ 求和符号
  • n 样本大小
  • actual 实际数据值
  • prediction 预测数据值

mse越小，预测模型准确性越高。

依赖给定的数据格式，有两种方式很容易计算回归模型的MSE.

如果已经有了拟合回归模型，则可以很方便获得MSE:

#load mtcars dataset
data(mtcars)

#fit regression model
model

我们可以通过下面代码计算MSE:

#calculate MSE
mean(model_summ$residuals^2)

[1] 8.85917

返回8.85917即为MSE的值。

有时我们只有预测值和实际值列表：

data

这是我们通过上面的公式进行计算：

#calculate MSE
mean((data$actual - data$pred)^2)

[1] 8.85917

我们看到与前面的计算结果一致。

Original: https://blog.csdn.net/neweastsun/article/details/122073507
Author: 梦想画家
Title: R 计算均方差MSE(mean squared error)