Средноквадратична грешка (RMSE)
Средноквадратичната грешка (RMSE) е широко използвана метрика, която измерва средната величина на грешките в прогнозите на регресионни модели. Произлизаща от работата на Карл Фридрих Гаус върху метода на най-малките квадрати (1809 г.), RMSE количествено определя колко прогнозите се отклоняват от наблюдаваните стойности чрез осредняване на квадратите на разликите и вземане на корен квадратен.
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 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). New York: Springer. DOI: 10.1007/978-0-387-84858-7 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/bg/model-evaluation/root-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.
- Средна абсолютна грешка (MAE)Оценка на модели↔ compare
- Средна абсолютна процентна грешка (MAPE)Оценка на модели↔ compare
- Средна квадратична грешка (MSE)Оценка на модели↔ compare
- Коефициент на детерминация (R²)Оценка на модели↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →