R ဖြင့် mse တွက်နည်း
မော်ဒယ်တစ်ခု၏ ခန့်မှန်းတွက်ချက်မှု တိကျမှုကို တိုင်းတာရန်အတွက် အသုံးအများဆုံး မက်ထရစ်များထဲမှ တစ်ခုမှာ MSE ဖြစ်ပြီး ဆိုလိုရင်းမှာ စတုရန်းအမှားအယွင်းကို ဆိုလိုသည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။
MSE = (1/n) * Σ(အမှန်တကယ် – ခန့်မှန်းချက်) ၂
ရွှေ-
- ∑ – “ပေါင်း” ဟု အဓိပ္ပာယ်ရသော ဖန်စီသင်္ကေတ
- n – နမူနာအရွယ်အစား
- real – ဒေတာ၏ တကယ့်တန်ဖိုး
- ခန့်မှန်းချက် – ခန့်မှန်းထားသောဒေတာတန်ဖိုး
MSE တန်ဖိုးနိမ့်လေ၊ မော်ဒယ်တစ်ခုသည် တန်ဖိုးများကို ပိုမိုတိကျစွာ ခန့်မှန်းနိုင်လေဖြစ်သည်။
R ဖြင့် MSE တွက်နည်း
သင့်ဒေတာတွင်ပါဝင်သည့် ဖော်မတ်အပေါ် မူတည်၍ R ရှိ ဆုတ်ယုတ်မှုပုံစံတစ်ခု၏ MSE ကို တွက်ချက်ရန် သင်သုံးနိုင်သော ရိုးရှင်းသောနည်းလမ်းနှစ်ခုရှိသည်။
နည်းလမ်း 1- ဆုတ်ယုတ်မှုပုံစံမှ MSE ကို တွက်ချက်ပါ။
အခြေအနေတစ်ခုတွင် သင့်တွင် တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုပုံစံတစ်ခုရှိနိုင်ပြီး မော်ဒယ်၏ MSE ကို ရိုးရိုးရှင်းရှင်း တွက်ချက်လိုပါသည်။ ဥပမာအားဖြင့်၊ သင့်တွင် အောက်ပါ ဆုတ်ယုတ်မှုပုံစံ ရှိနိုင်သည်-
#load mtcars dataset data(mtcars) #fit regression model model <- lm(mpg~disp+hp, data=mtcars) #get model summary model_summ <-summary(model)
ဤမော်ဒယ်၏ MSE ကိုတွက်ချက်ရန်၊ သင်သည် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်သည်။
#calculate MSE
mean(model_summ$residuals^2)
[1] 8.85917
၎င်းသည် MSE သည် 8.85917 ဖြစ်ကြောင်း ကျွန်ုပ်တို့ကို ပြောပြသည်။
နည်းလမ်း 2- ခန့်မှန်းထားသောနှင့် အမှန်တကယ်တန်ဖိုးများစာရင်းမှ MSE ကို တွက်ချက်ပါ။
အခြားအခြေအနေတစ်ခုတွင်၊ သင့်တွင် ခန့်မှန်းချက်နှင့် အမှန်တကယ်တန်ဖိုးများစာရင်းတစ်ခုရှိနိုင်သည်။ ဥပမာအားဖြင့်:
#create data frame with a column of actual values and a column of predicted values data <- data.frame(pred = predict(model), actual = mtcars$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
ဤကိစ္စတွင်၊ သင်သည် MSE ကိုတွက်ချက်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်သည်။
#calculate MSE
mean((data$actual - data$pred)^2)
[1] 8.85917
၎င်းသည် ကျွန်ုပ်တို့အား MSE သည် 8.85917 ဖြစ်ပြီး၊ ယခင်နည်းလမ်းကို အသုံးပြု၍ ကျွန်ုပ်တို့တွက်ချက်ထားသော MSE နှင့် ကိုက်ညီပါသည်။