R에서 mse를 계산하는 방법

모델의 예측 정확도를 측정하기 위해 가장 일반적으로 사용되는 측정항목 중 하나는 MSE (평균 제곱 오차) 입니다. 다음과 같이 계산됩니다.

MSE = (1/n) * Σ(실제 – 예측) ²

금:

• Σ – “합계”를 의미하는 화려한 기호
• n – 표본 크기
• real – 데이터의 실제 값
• 예측 – 예측된 데이터의 값

MSE 값이 낮을수록 모델이 값을 더 정확하게 예측할 수 있습니다.

R에서 MSE를 계산하는 방법

데이터 형식에 따라 R에서 회귀 모델의 MSE를 계산하는 데 사용할 수 있는 두 가지 간단한 방법이 있습니다.

방법 1: 회귀 모델에서 MSE 계산

한 시나리오에서는 적합 회귀 모델이 있고 단순히 모델의 MSE를 계산하려고 할 수 있습니다. 예를 들어 다음과 같은 회귀 모델이 있을 수 있습니다.

 #load mtcars dataset
data(mtcars)

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

#get model summary
model_summ <-summary(model)

이 모델의 MSE를 계산하려면 다음 공식을 사용할 수 있습니다.

 #calculate MSE
mean(model_summ$residuals^2)

[1] 8.85917

이는 MSE가 8.85917 임을 알려줍니다.

방법 2: 예측값과 실제값 목록에서 MSE 계산

다른 시나리오에서는 단순히 예측된 값과 실제 값의 목록이 있을 수도 있습니다. 예를 들어:

 #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

이 경우 다음 공식을 사용하여 MSE를 계산할 수 있습니다.

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

[1] 8.85917

이는 MSE가 8.85917 이라는 것을 알려주며, 이는 이전 방법을 사용하여 계산한 MSE와 일치합니다.