Vad är Root Mean Square Error (RMSE)?
residualer på en scatter-plot. Bild: nws.noaa.gov
Root Mean Square Error (RMSE) är standardavvikelsen för residuals (prediktionsfel). Residuals är ett mått på hur långt från regressionslinjens datapunkter är; RMSE är ett mått på hur utspridda dessa residualer är., Med andra ord, det berättar hur koncentrerade data är runt raden av bästa passform. Root mean square error används ofta i klimatologi, prognoser och regressionsanalys för att verifiera experimentella resultat.
titta på videon, eller läs vidare nedan:
formeln är:
var:
- f = prognoser (förväntade värden eller okända resultat),
- o = observerade värden (kända resultat).,
fältet ovanför de kvadrerade skillnaderna är medelvärdet (liknar x). Samma formel kan skrivas med följande, något annorlunda, notation (Barnston, 1992):
var:
- Σ = summering (”Lägg till”)
- (zfi – Zoi)2 = skillnader, kvadrerade
- N = provstorlek.
Du kan använda vilken formel du känner dig mest bekväm med, eftersom de båda gör samma sak. Om du inte gillar formler kan du hitta RMSE med:
- kvadrera residualerna.
- hitta medelvärdet av residualerna.,
- tar kvadratroten av resultatet.
som sagt kan det här vara mycket beräkning, beroende på hur stor din data ställer in den. En genväg för att hitta root mean square-felet är:
där SDy är standardavvikelsen för Y.
När standardiserade observationer och prognoser används som RMSE-ingångar finns det ett direkt samband med korrelationskoefficienten. Till exempel, om korrelationskoefficienten är 1, kommer RMSE att vara 0, eftersom alla punkter ligger på regressionslinjen (och därför finns det inga fel).,
——————————————————————————
behöver du hjälp med en läxa eller testfråga? Med Chegg Study kan du få steg-för-steg-lösningar på dina frågor från en expert på området. Din första 30 minuter med en Chegg handledare är gratis!
Leave a Reply