วิธีการคำนวณ mse ใน r

หนึ่งในหน่วยเมตริกที่ใช้กันมากที่สุดในการวัดความแม่นยำในการทำนายของแบบจำลองคือ MSE ซึ่งย่อมาจาก ค่าคลาดเคลื่อนกำลังสองเฉลี่ย มีการคำนวณดังนี้:

MSE = (1/n) * Σ(จริง – คาดการณ์) ²

ทอง:

• Σ – สัญลักษณ์แฟนซีหมายถึง “ผลรวม”
• n – ขนาดตัวอย่าง
• real – มูลค่าที่แท้จริงของข้อมูล
• การทำนาย – มูลค่าของข้อมูลที่คาดการณ์

ยิ่งค่า MSE ต่ำ โมเดลก็ยิ่งสามารถทำนายค่าได้แม่นยำยิ่งขึ้น

วิธีการคำนวณ MSE ใน R

มีวิธีง่ายๆ สองวิธีที่คุณสามารถใช้เพื่อคำนวณ MSE ของแบบจำลองการถดถอยใน R ทั้งนี้ขึ้นอยู่กับรูปแบบข้อมูลของคุณ

วิธีที่ 1: คำนวณ MSE จากแบบจำลองการถดถอย

ในสถานการณ์หนึ่ง คุณอาจมีแบบจำลองการถดถอยที่ติดตั้งแล้ว และเพียงต้องการคำนวณ MSE ของแบบจำลอง ตัวอย่างเช่น คุณอาจมีแบบจำลองการถดถอยต่อไปนี้:

 #load mtcars dataset
data(mtcars)

#fit regression model
model <- lm(mpg~disp+hp, data=mtcars)

#get model summary
model_summ <-summary(model)

ในการคำนวณ MSE ของแบบจำลองนี้ คุณสามารถใช้สูตรต่อไปนี้:

 #calculate MSE
mean(model_summ$residuals^2)

[1] 8.85917

สิ่งนี้บอกเราว่า MSE คือ 8.85917

วิธีที่ 2: คำนวณ MSE จากรายการค่าที่คาดการณ์และค่าจริง

ในสถานการณ์อื่น คุณอาจมีรายการของค่าที่คาดการณ์และค่าจริง ตัวอย่างเช่น:

 #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

ในกรณีนี้ คุณสามารถใช้สูตรต่อไปนี้เพื่อคำนวณ MSE:

 #calculate MSE
mean((data$actual - data$pred)^2)

[1] 8.85917

สิ่งนี้บอกเราว่า MSE คือ 8.85917 ซึ่งตรงกับ MSE ที่เราคำนวณโดยใช้วิธีก่อนหน้า