Як обчислити середню квадратичну помилку (mse) у python

Середньоквадратична помилка (MSE) є поширеним способом вимірювання точності передбачення моделі. Він розраховується таким чином:

MSE = (1/n) * Σ(фактичний – прогноз) ²

золото:

• Σ – химерний символ, що означає «сума»
• n – розмір вибірки
• real – фактичне значення даних
• прогноз – значення прогнозованих даних

Чим нижче значення MSE, тим точніше модель здатна передбачити значення.

Як розрахувати MSE у Python

Ми можемо створити просту функцію для обчислення MSE у 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() 

Потім ми можемо використовувати цю функцію, щоб обчислити MSE для двох таблиць: одна містить фактичні значення даних, а інша містить прогнозовані значення даних.

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

mse(actual, pred)

17.0

Середня квадратична помилка (MSE) цієї моделі виявляється 17,0 .

На практиці середньоквадратична помилка (RMSE) частіше використовується для оцінки точності моделі. Як випливає з назви, це просто квадратний корінь із середньої квадратичної помилки.

Ми можемо визначити аналогічну функцію для обчислення 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())

Потім ми можемо використовувати цю функцію, щоб обчислити RMSE для двох таблиць: одна містить фактичні значення даних, а інша містить прогнозовані значення даних.

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

rmse(actual, pred)

4.1231

Середньоквадратична помилка (RMSE) цієї моделі дорівнює 4,1231 .

Додаткові ресурси

Калькулятор середньоквадратичної помилки (MSE).
Як обчислити середню квадратичну помилку (MSE) в Excel