<\/p>\n
A raiz do erro quadr\u00e1tico m\u00e9dio (RMSE)<\/strong> \u00e9 uma medida que nos diz a que dist\u00e2ncia nossos valores previstos est\u00e3o dos valores observados em uma an\u00e1lise de regress\u00e3o, em m\u00e9dia. \u00c9 calculado da seguinte forma:<\/span><\/p>\n RMSE<\/strong> = \u221a[ \u03a3(P i<\/sub> \u2013 O i<\/sub> ) 2<\/sup> \/ n ]<\/span><\/p>\n Ouro:<\/span><\/p>\n Este tutorial explica dois m\u00e9todos que voc\u00ea pode usar para calcular RMSE em R.<\/span><\/p>\n Suponha que temos um conjunto de dados com uma coluna contendo os valores reais dos dados e uma coluna contendo os valores previstos dos dados:<\/span><\/p>\n Para calcular o RMSE, podemos usar a seguinte fun\u00e7\u00e3o:<\/span><\/p>\n O erro quadr\u00e1tico m\u00e9dio \u00e9 2,43242<\/strong> .<\/span><\/p>\n Tamb\u00e9m poder\u00edamos calcular o RMSE para o mesmo conjunto de dados usando a fun\u00e7\u00e3o rmse()<\/strong> do pacote Metrics<\/strong> , que usa a seguinte sintaxe:<\/span><\/p>\n rmse (real, planejado)<\/strong><\/span><\/p>\n Ouro:<\/span><\/p>\n Aqui est\u00e1 a sintaxe que usar\u00edamos em nosso exemplo:<\/span><\/p>\n O erro quadr\u00e1tico m\u00e9dio \u00e9 2,43242<\/strong> , o que corresponde ao que calculamos anteriormente usando nossa pr\u00f3pria fun\u00e7\u00e3o.<\/span><\/p>\n O RMSE \u00e9 uma maneira \u00fatil de ver at\u00e9 que ponto um modelo de regress\u00e3o \u00e9 capaz de se ajustar a um conjunto de dados.<\/span><\/p>\n Quanto maior o RMSE, maior a diferen\u00e7a entre os valores previstos e observados, ou seja, pior o modelo de regress\u00e3o se ajusta aos dados. Por outro lado, quanto menor o RMSE, melhor o modelo \u00e9 capaz de ajustar os dados.<\/span><\/p>\n Pode ser particularmente \u00fatil comparar o RMSE de dois modelos diferentes para ver qual modelo melhor se ajusta aos dados.<\/span><\/p>\n Calculadora RMSE<\/a> A raiz do erro quadr\u00e1tico m\u00e9dio (RMSE) \u00e9 uma medida que nos diz a que dist\u00e2ncia nossos valores previstos est\u00e3o dos valores observados em uma an\u00e1lise de regress\u00e3o, em m\u00e9dia. \u00c9 calculado da seguinte forma: RMSE = \u221a[ \u03a3(P i \u2013 O i ) 2 \/ n ] Ouro: \u03a3 \u00e9 um s\u00edmbolo sofisticado que […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-680","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
M\u00e9todo 1: escreva sua pr\u00f3pria fun\u00e7\u00e3o<\/strong><\/span><\/h3>\n
#create dataset<\/span>\ndata <- data.frame(actual=c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24),\n predicted=c(37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23))\n\n#view dataset<\/span>\ndata\n\n actual predicted\n1 34 37\n2 37 40\n3 44 46\n4 47 44\n5 48 46\n6 48 50\n7 46 45\n8 43 44\n9 32 34\n10 27 30\n11 26 22\n12 24 23\n<\/strong><\/pre>\n #calculate RMSE<\/span>\nsqrt(mean((data$actual - data$predicted)^2))\n\n[1] 2.43242\n<\/strong><\/pre>\n M\u00e9todo 2: use um pacote<\/strong><\/span><\/h3>\n
\n
#load Metrics package\n<\/span>library(Metrics)\n\ncalculate RMSE\n<\/span>rmse(data$actual, data$predicted)\n\n[1] 2.43242<\/strong><\/pre>\n Como interpretar o RMSE<\/strong><\/h2>\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como calcular MSE em R<\/a>
Como calcular o MAPE em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"