Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment calculer le RMSE dans R



L’ erreur quadratique moyenne (RMSE) est une mesure qui nous indique à quel point nos valeurs prédites sont éloignées de nos valeurs observées dans une analyse de régression, en moyenne. Il est calculé comme suit :

RMSE = √[ Σ(P i – O i ) 2 / n ]

où:

  • Σ est un symbole fantaisiste qui signifie « somme »
  • P i est la valeur prédite pour la ième observation dans l’ensemble de données
  • O i est la valeur observée pour la ième observation dans l’ensemble de données
  • n est la taille de l’échantillon

Ce didacticiel explique deux méthodes que vous pouvez utiliser pour calculer le RMSE dans R.

Méthode 1 : écrivez votre propre fonction

Supposons que nous ayons un ensemble de données avec une colonne contenant les valeurs de données réelles et une colonne contenant les valeurs de données prédites :

#create dataset
data <- data.frame(actual=c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24),
                   predicted=c(37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23))

#view dataset
data

   actual predicted
1      34        37
2      37        40
3      44        46
4      47        44
5      48        46
6      48        50
7      46        45
8      43        44
9      32        34
10     27        30
11     26        22
12     24        23

Pour calculer le RMSE, nous pouvons utiliser la fonction suivante :

#calculate RMSE
sqrt(mean((data$actual - data$predicted)^2))

[1] 2.43242

L’erreur quadratique moyenne est de 2,43242 .

Méthode 2 : utiliser un package

Nous pourrions également calculer le RMSE pour le même ensemble de données en utilisant la fonction rmse() du package Metrics , qui utilise la syntaxe suivante :

rmse (réel, prévu)

où:

  • réel : valeurs réelles
  • prédit : valeurs prédites

Voici la syntaxe que nous utiliserions dans notre exemple :

#load Metrics package
library(Metrics)

calculate RMSE
rmse(data$actual, data$predicted)

[1] 2.43242

L’erreur quadratique moyenne est de 2,43242 , ce qui correspond à ce que nous avons calculé précédemment en utilisant notre propre fonction.

Comment interpréter le RMSE

RMSE est un moyen utile de voir dans quelle mesure un modèle de régression est capable de s’adapter à un ensemble de données.

Plus le RMSE est grand, plus la différence entre les valeurs prédites et observées est grande, ce qui signifie que moins le modèle de régression s’adapte aux données. À l’inverse, plus le RMSE est petit, plus le modèle est capable de s’adapter aux données.

Il peut être particulièrement utile de comparer le RMSE de deux modèles différents pour voir quel modèle correspond le mieux aux données.

Ressources additionnelles

Calculateur RMSE
Comment calculer MSE dans R
Comment calculer MAPE dans R

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *