Co to jest root Mean Square Error (rmse)?
Obraz: nws.noaa.gov
Root Mean Square Error (Rmse) to standardowe odchylenie rezydualne (błędy predykcji). Pozostałości są miarą tego, jak daleko od punktów danych linii regresji są; RMSE jest miarą tego, jak rozłożone są te pozostałości., Innymi słowy, mówi, jak skoncentrowane dane są wokół linii najlepszego dopasowania. Root mean square error jest powszechnie stosowany w Klimatologii, prognozowaniu i analizie regresji w celu weryfikacji wyników eksperymentalnych.
Obejrzyj film lub przeczytaj poniżej:
wzór jest:
gdzie:
- f = forecasts (expected values or unknown results),
- o = obserwowane wartości (znane wyniki).,
słupek nad różnicami kwadratowymi jest średnią (podobną do x). Ten sam wzór można zapisać za pomocą następującej, nieco innej notacji (Barnston, 1992):
gdzie:
- Σ = sumowanie („sumowanie”)
- (ZFI – Zoi)2 = różnice, kwadrat
- n = wielkość próbki.
możesz użyć dowolnej formuły, z którą czujesz się najbardziej komfortowo, ponieważ obie robią to samo. Jeśli nie lubisz formuł, możesz znaleźć RMSE przez:
- wyrównując pozostałości.
- znalezienie średniej pozostałości.,
- przyjmując pierwiastek kwadratowy wyniku.
To powiedziawszy, może to być dużo obliczeń, w zależności od tego, jak duże są dane. Skrót do znalezienia podstawowego średniego błędu kwadratowego to:
Gdzie SDY jest odchyleniem standardowym Y.
gdy standardowe obserwacje i prognozy są używane jako wejścia RMSE, istnieje bezpośredni związek ze współczynnikiem korelacji. Na przykład, jeśli współczynnik korelacji wynosi 1, RMSE będzie równy 0, ponieważ wszystkie punkty leżą na linii regresji (i dlatego nie ma błędów).,
> ——————————————————————————
potrzebujesz pomocy w zadaniu domowym lub pytaniu testowym? Dzięki badaniu Chegg możesz uzyskać krok po kroku rozwiązania swoich pytań od eksperta w tej dziedzinie. Twoje pierwsze 30 minut z korepetytorem Chegg jest bezpłatne!
Leave a Reply