Che cosa è Root Mean Square Error (RMSE)?
Residui su un grafico a dispersione. Immagine: nws.noaa.gov
Root Mean Square Error (RMSE) è la deviazione standard dei residui (errori di previsione). I residui sono una misura di quanto sono lontani dai punti dati della linea di regressione; RMSE è una misura di quanto sono sparsi questi residui., In altre parole, ti dice come concentrato i dati è intorno alla linea di best fit. Root mean square error è comunemente usato in climatologia, previsione e analisi di regressione per verificare i risultati sperimentali.
Guarda il video, o continua a leggere qui sotto:
La formula è:
Dove:
- f = previsioni (valori attesi o sconosciuto risultati),
- o = valori osservati (il risultato).,
La barra sopra le differenze quadrate è la media (simile a x). La stessa formula può essere scritta con la seguente notazione leggermente diversa (Barnston, 1992):
Dove:
- Σ = somma (“somma”)
- (zfi – Zoi) 2 = differenze, al quadrato
- N = dimensione del campione.
Puoi usare la formula con cui ti senti più a tuo agio, dato che entrambi fanno la stessa cosa. Se non ti piacciono le formule, puoi trovare il RMSE da:
- Quadratura dei residui.
- Trovare la media dei residui.,
- Prendendo la radice quadrata del risultato.
Detto questo, questo può essere un sacco di calcolo, a seconda di quanto è grande il set di dati. Una scorciatoia per trovare l’errore quadratico medio radice è:
Dove SDy è la deviazione standard di Y.
Quando osservazioni e previsioni standardizzate vengono utilizzate come input RMSE, esiste una relazione diretta con il coefficiente di correlazione. Ad esempio, se il coefficiente di correlazione è 1, l’RMSE sarà 0, perché tutti i punti si trovano sulla linea di regressione (e quindi non ci sono errori).,
——————————————————————————
Hai bisogno di aiuto con un compito a casa o una domanda di prova? Con Chegg Studio, è possibile ottenere soluzioni passo-passo alle vostre domande da un esperto del settore. I tuoi primi 30 minuti con un tutor Chegg sono gratuiti!
Leave a Reply