<\/p>\n
Salah satu cara untuk mengevaluasi seberapa cocok model regresi<\/a> dengan kumpulan data adalah dengan menghitung mean square error<\/strong> , yang menunjukkan jarak rata-rata antara nilai prediksi model dan nilai sebenarnya dari kumpulan data. data.<\/span><\/p>\n Rumus untuk mencari mean square error yang sering disingkat RMSE<\/strong> adalah:<\/span><\/p>\n RMSE =<\/strong> \u221a \u03a3(P saya<\/sub> \u2013 O saya<\/sub> ) 2<\/sup> \/ n<\/span><\/span><\/p>\n Emas:<\/span><\/p>\n Pertanyaan yang sering ditanyakan orang adalah: berapakah nilai RMSE yang baik?<\/strong><\/span><\/p>\n Jawaban singkatnya: tergantung<\/strong> .<\/span><\/p>\n Semakin rendah RMSE, semakin baik model tertentu mampu \u201cmenyesuaikan\u201d kumpulan data. Namun, rentang kumpulan data yang Anda gunakan penting dalam menentukan apakah nilai RMSE tertentu “rendah” atau tidak.<\/span><\/p>\n Misalnya, pertimbangkan skenario berikut:<\/span><\/p>\n Skenario 1:<\/strong> Kami ingin menggunakan model regresi untuk memprediksi harga rumah di kota tertentu. Asumsikan model memiliki nilai RMSE $500. Karena kisaran harga rumah pada umumnya adalah antara $70.000 dan $300.000, nilai RMSE ini sangat rendah. Hal ini menunjukkan bahwa model tersebut mampu memprediksi harga properti secara akurat.<\/span><\/p>\n Skenario 2:<\/strong> Sekarang misalkan kita ingin menggunakan model regresi untuk memprediksi berapa banyak pengeluaran seseorang per bulan di kota tertentu. Asumsikan model memiliki nilai RMSE $500. Jika kisaran pengeluaran bulanan pada umumnya adalah antara $1.500 dan $4.000, nilai RMSE ini cukup tinggi. Hal ini menunjukkan bahwa model tersebut tidak mampu memprediksi pengeluaran bulanan dengan akurat.<\/span><\/p>\n Contoh sederhana ini menunjukkan bahwa tidak ada nilai RMSE yang \u201cbaik\u201d secara universal. Itu semua tergantung pada rentang nilai kumpulan data yang Anda kerjakan.<\/span><\/p>\n Salah satu cara untuk lebih memahami apakah nilai RMSE tertentu \u201cbaik\u201d adalah dengan menormalkannya menggunakan rumus berikut:<\/span><\/p>\n RMSE yang dinormalisasi = RMSE \/ (nilai maksimum \u2013 nilai minimum)<\/span><\/p>\n Ini menghasilkan nilai antara 0 dan 1, di mana nilai yang mendekati 0 menunjukkan model yang lebih pas.<\/span><\/p>\n Misalnya, nilai RMSE kita adalah $500 dan rentang nilai kita adalah $70.000 hingga $300.000. Kami akan menghitung nilai RMSE yang dinormalisasi sebagai berikut:<\/span><\/p>\n Sebaliknya, anggaplah nilai RMSE kita adalah $500 dan kisaran nilai kita antara $1.500 dan $4.000. Kami akan menghitung nilai RMSE yang dinormalisasi sebagai berikut:<\/span><\/p>\n Nilai RMSE ternormalisasi pertama jauh lebih rendah, menunjukkan bahwa nilai tersebut memberikan kesesuaian yang jauh lebih baik dengan data dibandingkan dengan nilai RMSE ternormalisasi kedua.<\/span><\/p>\n Daripada memilih angka sembarangan untuk mewakili nilai RMSE yang “baik”, kita cukup membandingkan nilai RMSE dari beberapa model.<\/span><\/p>\n Misalnya, kita menyesuaikan tiga model regresi berbeda untuk memprediksi harga real estat. Asumsikan ketiga model memiliki nilai RMSE berikut:<\/span><\/p>\n Karena nilai RMSE Model 2 adalah yang terendah, kami akan memilih Model 2 sebagai model terbaik untuk memprediksi harga real estat karena jarak rata-rata antara harga prediksi dan harga aktual paling rendah untuk model ini.<\/span><\/p>\n Bagaimana menafsirkan RMSE<\/a> Salah satu cara untuk mengevaluasi seberapa cocok model regresi dengan kumpulan data adalah dengan menghitung mean square error , yang menunjukkan jarak rata-rata antara nilai prediksi model dan nilai sebenarnya dari kumpulan data. data. Rumus untuk mencari mean square error yang sering disingkat RMSE adalah: RMSE = \u221a \u03a3(P saya \u2013 O saya ) 2 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Normalisasi nilai RMSE<\/strong><\/span><\/h3>\n
\n
\n
Perbandingan RMSE antar model<\/strong><\/span><\/h3>\n
\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara Menghitung RMSE di Excel<\/a>
Cara menghitung RMSE di R<\/a>
Cara Menghitung RMSE dengan Python<\/a>
Kalkulator RMSE<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"