Средна квадратична грешка (MSE)
Средната квадратична грешка (MSE) е основополагащата функция на загубата за регресионни модели, измерваща средното квадратично отклонение между прогнозите и наблюденията. Произлизаща от метода на най-малките квадрати на Гаус и Лежандър (1805–1809 г.), MSE е основата на обикновената регресия по най-малките квадрати и остава централна за оптимизацията в съвременното машинно обучение.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Hamburg: Perthes and Besser. link ↗
- Legendre, A. M. (1805). Nouvelles méthodes pour la détermination des orbites des comètes. Paris: F. Didot. link ↗
- Goodman, L. A. (1960). On the exact variance of products. Journal of the American Statistical Association, 55(292), 708-713. DOI: 10.1080/01621459.1960.10483369 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Mean Squared Error. ScholarGate. https://scholargate.app/bg/model-evaluation/mean-squared-error
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Акаикев критерий за информация (AIC)Оценка на модели↔ compare
- Средна абсолютна грешка (MAE)Оценка на модели↔ compare
- Коефициент на детерминация (R²)Оценка на модели↔ compare
- Средноквадратична грешка (RMSE)Оценка на модели↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →