كيفية حساب متوسط الخطأ المربع (mse) في بايثون

يعد متوسط الخطأ التربيعي (MSE) طريقة شائعة لقياس دقة التنبؤ للنموذج. يتم حسابه على النحو التالي:

MSE = (1/n) * Σ(فعلي – توقع) ²

ذهب:

• Σ – رمز فاخر يعني “المجموع”
• ن – حجم العينة
• حقيقي – القيمة الفعلية للبيانات
• التنبؤ – قيمة البيانات المتوقعة

كلما انخفضت قيمة MSE، زادت دقة النموذج في التنبؤ بالقيم.

كيفية حساب MSE في بايثون

يمكننا إنشاء دالة بسيطة لحساب MSE في بايثون:

 import numpy as np

def mse(actual, pred): 
    actual, pred = np.array(actual), np.array(pred)
    return np.square(np.subtract(actual,pred)).mean() 

يمكننا بعد ذلك استخدام هذه الوظيفة لحساب MSE لجدولين: أحدهما يحتوي على قيم البيانات الفعلية والآخر يحتوي على قيم البيانات المتوقعة.

 actual = [12, 13, 14, 15, 15, 22, 27]
pred = [11, 13, 14, 14, 15, 16, 18]

mse(actual, pred)

17.0

وتبين أن متوسط الخطأ المربع (MSE) لهذا النموذج هو 17.0 .

من الناحية العملية، يتم استخدام جذر متوسط مربع الخطأ (RMSE) بشكل أكثر شيوعًا لتقييم دقة النموذج. وكما يوحي الاسم، فهو ببساطة الجذر التربيعي لمتوسط الخطأ التربيعي.

يمكننا تحديد وظيفة مماثلة لحساب RMSE:

 import numpy as np

def rmse(actual, pred): 
    actual, pred = np.array(actual), np.array(pred)
    return np.sqrt(np.square(np.subtract(actual,pred)).mean())

يمكننا بعد ذلك استخدام هذه الوظيفة لحساب RMSE لجدولين: أحدهما يحتوي على قيم البيانات الفعلية والآخر يحتوي على قيم البيانات المتوقعة.

 actual = [12, 13, 14, 15, 15, 22, 27]
pred = [11, 13, 14, 14, 15, 16, 18]

rmse(actual, pred)

4.1231

تبين أن جذر متوسط مربع الخطأ (RMSE) لهذا النموذج هو 4.1231 .

مصادر إضافية

متوسط مربع الخطأ (MSE) حاسبة
كيفية حساب متوسط الخطأ المربع (MSE) في إكسيل