Python'da ortalama kare hatası (mse) nasıl hesaplanır?

Ortalama karesel hata (MSE), bir modelin tahmin doğruluğunu ölçmenin yaygın bir yoludur. Aşağıdaki şekilde hesaplanır:

MSE = (1/n) * Σ(gerçek – tahmin) ²

Altın:

• Σ – “toplam” anlamına gelen süslü bir sembol
• n – örneklem büyüklüğü
• gerçek – verilerin gerçek değeri
• tahmin – tahmin edilen verilerin değeri

MSE değeri ne kadar düşük olursa, model değerleri o kadar doğru tahmin edebilir.

Python’da MSE Nasıl Hesaplanır?

Python’da MSE’yi hesaplamak için basit bir fonksiyon oluşturabiliriz:

 import numpy as np

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

Daha sonra bu işlevi iki tablonun MSE’sini hesaplamak için kullanabiliriz: biri gerçek veri değerlerini içeren, diğeri ise tahmin edilen veri değerlerini içeren.

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

mse(actual, pred)

17.0

Bu modelin ortalama kare hatası (MSE) 17,0 olarak çıkıyor.

Pratikte, model doğruluğunu değerlendirmek için ortalama kare hatasının kökü (RMSE) daha yaygın olarak kullanılır. Adından da anlaşılacağı gibi, ortalama kare hatasının kareköküdür.

RMSE’yi hesaplamak için benzer bir fonksiyon tanımlayabiliriz:

 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())

Daha sonra bu işlevi iki tablonun RMSE’sini hesaplamak için kullanabiliriz: biri gerçek veri değerlerini içeren, diğeri ise tahmin edilen veri değerlerini içeren.

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

rmse(actual, pred)

4.1231

Bu modelin ortalama kare hatasının (RMSE) 4,1231 olduğu ortaya çıkıyor.

Ek kaynaklar

Ortalama Kare Hata (MSE) Hesaplayıcı
Excel’de Ortalama Kare Hatası (MSE) Nasıl Hesaplanır