2025年均方误差(MSE)

均方误差(MSE)均方误差单独扽概念是很简单的 这里只做介绍 更深一步的内容会在后面列出来 SSE 和方差 误差平方和 The sum of squares due to error MSE 均方差 方差 Mean squared error RMSE 均方根 标准差 Root mean squared error

大家好,我是讯享网,很高兴认识大家。

均方误差单独扽概念是很简单的,这里只做介绍,更深一步的内容会在后面列出来。

  1. SSE(和方差、误差平方和):The sum of squares due to error
  2. MSE(均方差、方差):Mean squared error
  3. RMSE(均方根、标准差):Root mean squared error

数理统计中均方误差是指参数估计值与参数真值之差平方的期望值,记为MSE。MSE是衡量“平均误差”的一种较方便的方法,MSE可以评价数据的变化程度,MSE的值越小,说明预测模型描述实验数据具有更好的精确度。
首先先回顾复习三个概念:
1)方差:方差是在概率论和统计方差衡量随机变量或一组数据的离散程度的度量方式,方差越大,离散度越大。求解方式为,各随机变量与平均值差值的平方和的平均数(先求差,再平方,再平均)

平均数:

M = x 1 + x 2 + ⋯ + x n n M=\frac{x_1+x_2+\cdots+x_n}{n} M=nx1​+x2​+⋯+xn​​

方差公式:

s 2 = ( x 1 − M ) 2 + ( x 1 − M ) 2 + ⋯ + ( x n − M ) 2 n s^2=\frac{(x_1-M)^2+(x_1-M)^2+\cdots+(x_n-M)^2}{n} s2=n(x1​−M)2+(x1​−M)2+⋯+(xn​−M)2​

D ( x ) = E ( x 2 ) − ( E ( x ) ) 2 D(x)=E(x^2)-(E(x))^2 D(x)=E(x2)−(E(x))2

2)标准差:标准差就是方差的算术平方根,它反映组内个体间的离散程度。因此它的过程是与平均值之间进行差值计算。

标准差公式:

σ = 1 n ∑ i = 1 n ( x i − μ ) 2 \sigma=\sqrt{\frac{1}{n}\sum_{i=1}^n(x_i-\mu)^2} σ=n1​i=1∑n​(xi​−μ)2 ​

σ ^ 2 = 1 n − 1 ∑ i = 1 n ( x i − μ ) 2 \hat{\sigma}^2=\frac{1}{n-1}\sum_{i=1}^n(x_i-\mu)^2 σ^2=n−11​i=1∑n​(xi​−μ)2

这里之所以列出样本方差的样子,是因为样本方差更多被采用,因为他是无偏估计的,只做了解。感兴趣的可以到网上搜下与方差的“无偏”证明。


讯享网

1.SSE(和方差)

在统计学里,该参数计算的是拟合数据和原始数据对应点的误差的平方和,计算公式为,

S S E = ∑ i = 1 m w i ( y i − y i ^ ) 2 SSE=\sum_{i=1}^{m}w_i(y_i-\hat{y_i })^2 SSE=i=1∑m​wi​(yi​−yi​^​)2

其中 y i y_i yi​ 是真实数据 y i ^ \hat{y_i} yi​^​ 是拟合的数据, w i > 0 w_i>0 wi​>0 从这里可以看出SSE越接近于0,说明模型选择和拟合更好,数据预测也越成功。接下来的MSE和RMSE因为和SSE是同出一宗,所以效果一样。

2.MSE(均方误差)

该统计参数是预测数据和原始数据对应点误差的平方和的均值,也就是 S S E n \frac{SSE}{n} nSSE​ 和 S S E SSE SSE 没有太大的区别,计算公式为:

M S E = S S E n = 1 n ∑ i = 1 m w i ( y i − y i ^ ) 2 MSE=\frac{SSE}{n}=\frac{1}{n}\sum_{i=1}^{m}w_i(y_i-\hat{y_i })^2 MSE=nSSE​=n1​i=1∑m​wi​(yi​−yi​^​)2

其中 n n n 为样本的个数。

3.RMSE(均方根误差)

该统计参数,也叫回归系统的拟合标准差,是MSE的平方根,计算公式为

R M S E = M S E = S S E n = 1 n ∑ i = 1 m w i ( y i − y i ^ ) 2 RMSE=\sqrt{MSE}=\sqrt{\frac{SSE}{n}}=\sqrt{\frac{1}{n}\sum_{i=1}^{m}w_i(y_i-\hat{y_i })^2} RMSE=MSE ​=nSSE​ ​=n1​i=1∑m​wi​(yi​−yi​^​)2 ​

以上三个统计参数,虽然略有细微的差别,但是代表的都是数据拟合的好坏,只是标准不一样。

小讯
上一篇 2025-03-02 18:37
下一篇 2025-01-14 19:24

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/131106.html