Cara menghitung umk di r

Salah satu metrik yang paling umum digunakan untuk mengukur akurasi prediksi model adalah MSE , yang merupakan singkatan dari mean square error . Ini dihitung sebagai berikut:

MSE = (1/n) * Σ(aktual – prediksi) ²

Emas:

• Σ – simbol mewah yang berarti “jumlah”
• n – ukuran sampel
• nyata – nilai sebenarnya dari data
• prediksi – nilai data yang diprediksi

Semakin rendah nilai MSE, semakin akurat suatu model dalam memprediksi nilai.

Cara menghitung UMK di R

Bergantung pada format data Anda, ada dua metode sederhana yang dapat Anda gunakan untuk menghitung MSE model regresi di R.

Metode 1: Hitung UMK dari model regresi

Dalam satu skenario, Anda mungkin memiliki model regresi yang sesuai dan hanya ingin menghitung MSE model tersebut. Misalnya, Anda mungkin memiliki model regresi berikut:

 #load mtcars dataset
data(mtcars)

#fit regression model
model <- lm(mpg~disp+hp, data=mtcars)

#get model summary
model_summ <-summary(model)

Untuk menghitung UMK model ini, Anda dapat menggunakan rumus berikut:

 #calculate MSE
mean(model_summ$residuals^2)

[1] 8.85917

Ini memberitahu kita bahwa MSE adalah 8.85917 .

Metode 2: Hitung MSE dari daftar nilai prediksi dan aktual

Dalam skenario lain, Anda mungkin hanya memiliki daftar nilai prediksi dan nilai aktual. Misalnya:

 #create data frame with a column of actual values and a column of predicted values
data <- data.frame(pred = predict(model), actual = mtcars$mpg)

#view first six lines of data
head(data)

                      pred actual
Mazda RX4 23.14809 21.0
Mazda RX4 Wag 23.14809 21.0
Datsun 710 25.14838 22.8
Hornet 4 Drive 20.17416 21.4
Hornet Sportabout 15.46423 18.7
Valiant 21.29978 18.1

Dalam hal ini, Anda dapat menggunakan rumus berikut untuk menghitung UMK:

 #calculate MSE
mean((data$actual - data$pred)^2)

[1] 8.85917

Ini memberitahu kita bahwa MSE-nya adalah 8.85917 , yang cocok dengan MSE yang kita hitung menggunakan metode sebelumnya.