在统计学中，RSE和RMSE分别代表相对标准误差和均方根误差。
RSE（Relative Standard Error）是用于衡量样本估计值的精度的统计指标，它可表示为：
R S E = s y ˉ × 100 RSE = \frac{s}{\bar{y}} \times 100% RSE=yˉs×100
其中，s是样本观测值与平均值之间的标准偏差， y ˉ \bar{y} yˉ是样本观测值的平均值。RSE越小，说明样本估计值的精度越高。
RMSE（Root Mean Square Error）是衡量观测值与预测值之间误差的一个指标，它可表示为：
R M S E = ∑ i = 1 n ( y i − y i ^ ) 2 n RMSE = \sqrt{\frac{\sum_{i=1}^{n}(y_i-\hat{y_i})^2}{n}} RMSE=n∑i=1n(yi−yi^)2
其中， y i y_i yi是第i个观测值， y i ^ \hat{y_i} yi^是对应的预测值，n是总观测数。RMSE越小，说明预测模型的精度越高。
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/17624.html