Come calcolare l'errore quadratico medio (mse) in python

L’errore quadratico medio (MSE) è un modo comune per misurare l’accuratezza della previsione di un modello. Viene calcolato come segue:

MSE = (1/n) * Σ(effettivo – previsto) ²

Oro:

• Σ – un simbolo di fantasia che significa “somma”
• n – dimensione del campione
• reale : il valore effettivo dei dati
• previsione : il valore dei dati previsti

Quanto più basso è il valore MSE, tanto più accuratamente un modello è in grado di prevedere i valori.

Come calcolare MSE in Python

Possiamo creare una semplice funzione per calcolare MSE in Python:

 import numpy as np

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

Possiamo quindi utilizzare questa funzione per calcolare l’MSE per due tabelle: una che contiene i valori dei dati effettivi e una che contiene i valori dei dati previsti.

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

mse(actual, pred)

17.0

L’errore quadratico medio (MSE) di questo modello risulta essere 17,0 .

In pratica, l’errore quadratico medio (RMSE) è più comunemente utilizzato per valutare l’accuratezza del modello. Come suggerisce il nome, è semplicemente la radice quadrata dell’errore quadratico medio.

Possiamo definire una funzione simile per calcolare l’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())

Possiamo quindi utilizzare questa funzione per calcolare l’RMSE per due tabelle: una che contiene i valori dei dati effettivi e una che contiene i valori dei dati previsti.

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

rmse(actual, pred)

4.1231

L’errore quadratico medio (RMSE) di questo modello risulta essere 4.1231 .

Risorse addizionali

Calcolatore dell’errore quadratico medio (MSE).
Come calcolare l’errore quadratico medio (MSE) in Excel