<\/p>\n
O erro quadr\u00e1tico m\u00e9dio (MSE)<\/strong> \u00e9 uma forma comum de medir a precis\u00e3o da previs\u00e3o de um modelo. \u00c9 calculado da seguinte forma:<\/span><\/p>\n MSE<\/strong> = (1\/n) * \u03a3(real \u2013 previs\u00e3o) 2<\/sup><\/span><\/p>\n Ouro:<\/span><\/p>\n Quanto menor o valor do MSE, mais precisamente o modelo \u00e9 capaz de prever os valores.<\/span><\/p>\n Podemos criar uma fun\u00e7\u00e3o simples para calcular MSE em Python:<\/span><\/p>\n Podemos ent\u00e3o usar esta fun\u00e7\u00e3o para calcular o MSE para duas tabelas: uma que cont\u00e9m os valores de dados reais e outra que cont\u00e9m os valores de dados previstos.<\/span><\/p>\n O erro quadr\u00e1tico m\u00e9dio (MSE) deste modelo \u00e9 17,0<\/strong> .<\/span><\/p>\n Na pr\u00e1tica, a raiz do erro quadr\u00e1tico m\u00e9dio (RMSE)<\/strong> \u00e9 mais comumente usada para avaliar a precis\u00e3o do modelo. Como o nome sugere, \u00e9 simplesmente a raiz quadrada do erro quadr\u00e1tico m\u00e9dio.<\/span><\/p>\n Podemos definir uma fun\u00e7\u00e3o semelhante para calcular o RMSE:<\/span><\/p>\n Podemos ent\u00e3o usar esta fun\u00e7\u00e3o para calcular o RMSE para duas tabelas: uma que cont\u00e9m os valores de dados reais e outra que cont\u00e9m os valores de dados previstos.<\/span><\/p>\n A raiz do erro quadr\u00e1tico m\u00e9dio (RMSE) deste modelo \u00e9 4,1231<\/strong> .<\/span><\/p>\n Calculadora de erro quadr\u00e1tico m\u00e9dio (MSE)<\/a> O erro quadr\u00e1tico m\u00e9dio (MSE) \u00e9 uma forma comum de medir a precis\u00e3o da previs\u00e3o de um modelo. \u00c9 calculado da seguinte forma: MSE = (1\/n) * \u03a3(real \u2013 previs\u00e3o) 2 Ouro: \u03a3 \u2013 um s\u00edmbolo sofisticado que significa \u201csoma\u201d n \u2013 tamanho da amostra real \u2013 o valor real dos dados previs\u00e3o \u2013 o […]<\/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-834","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Como calcular MSE em Python<\/span><\/strong><\/h3>\n
import<\/span> numpy as<\/span> np\n\ndef<\/span> mse(actual, pred): \n actual, pred = np.array(actual), np.array(pred)\n return<\/span> np.square(np.subtract(actual,pred)).mean() \n<\/strong><\/pre>\n actual = [12, 13, 14, 15, 15, 22, 27]\npred = [11, 13, 14, 14, 15, 16, 18]\n\nmse(actual, pred)\n\n17.0<\/strong><\/pre>\n
import<\/span> numpy as<\/span> np\n\ndef<\/span> rmse(actual, pred): \n actual, pred = np.array(actual), np.array(pred)\n return<\/span> np.sqrt(np.square(np.subtract(actual,pred)).mean())\n<\/strong><\/pre>\n actual = [12, 13, 14, 15, 15, 22, 27]\npred = [11, 13, 14, 14, 15, 16, 18]\n\nrmse(actual, pred)\n\n4.1231<\/strong><\/pre>\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como calcular o erro quadr\u00e1tico m\u00e9dio (MSE) no Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"