Jak obliczyć średni błąd kwadratowy (mse) w pythonie

Błąd średniokwadratowy (MSE) to powszechny sposób pomiaru dokładności przewidywania modelu. Oblicza się go w następujący sposób:

MSE = (1/n) * Σ(rzeczywista – prognoza) ²

Złoto:

• Σ – fantazyjny symbol oznaczający „sumę”
• n – wielkość próby
• real – rzeczywista wartość danych
• prognoza – wartość przewidywanych danych

Im niższa wartość MSE, tym dokładniej model jest w stanie przewidzieć wartości.

Jak obliczyć MSE w Pythonie

Możemy stworzyć prostą funkcję do obliczenia MSE w Pythonie:

 import numpy as np

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

Możemy następnie użyć tej funkcji do obliczenia MSE dla dwóch tabel: jednej zawierającej rzeczywiste wartości danych i drugiej zawierającej przewidywane wartości danych.

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

mse(actual, pred)

17.0

Średni błąd kwadratowy (MSE) tego modelu wynosi 17,0 .

W praktyce do oceny dokładności modelu częściej stosuje się błąd średniokwadratowy (RMSE) . Jak sama nazwa wskazuje, jest to po prostu pierwiastek kwadratowy średniego błędu kwadratowego.

Możemy zdefiniować podobną funkcję do obliczania 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())

Możemy następnie użyć tej funkcji do obliczenia RMSE dla dwóch tabel: jednej zawierającej rzeczywiste wartości danych i drugiej zawierającej przewidywane wartości danych.

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

rmse(actual, pred)

4.1231

Średniokwadratowy błąd (RMSE) tego modelu wynosi 4,1231 .

Dodatkowe zasoby

Kalkulator błędu średniokwadratowego (MSE).
Jak obliczyć średni błąd kwadratowy (MSE) w programie Excel