Como calcular o erro quadrático médio (mse) em python

O erro quadrático médio (MSE) é uma forma comum de medir a precisão da previsão de um modelo. É calculado da seguinte forma:

MSE = (1/n) * Σ(real – previsão) ²

Ouro:

• Σ – um símbolo sofisticado que significa “soma”
• n – tamanho da amostra
• real – o valor real dos dados
• previsão – o valor dos dados previstos

Quanto menor o valor do MSE, mais precisamente o modelo é capaz de prever os valores.

Como calcular MSE em Python

Podemos criar uma função simples para calcular MSE em 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() 

Podemos então usar esta função para calcular o MSE para duas tabelas: uma que contém os valores de dados reais e outra que contém os valores de dados previstos.

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

mse(actual, pred)

17.0

O erro quadrático médio (MSE) deste modelo é 17,0 .

Na prática, a raiz do erro quadrático médio (RMSE) é mais comumente usada para avaliar a precisão do modelo. Como o nome sugere, é simplesmente a raiz quadrada do erro quadrático médio.

Podemos definir uma função semelhante para calcular o 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())

Podemos então usar esta função para calcular o RMSE para duas tabelas: uma que contém os valores de dados reais e outra que contém os valores de dados previstos.

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

rmse(actual, pred)

4.1231

A raiz do erro quadrático médio (RMSE) deste modelo é 4,1231 .

Recursos adicionais

Calculadora de erro quadrático médio (MSE)
Como calcular o erro quadrático médio (MSE) no Excel