Root Mean Squared Error (RMSE)
Root Mean Squared Error (RMSE) er en udbredt anvendt metrik, der måler den gennemsnitlige størrelse af forudsigelsesfejl i regressionsmodeller. Med udgangspunkt i Carl Friedrich Gauss' arbejde med mindste kvadraters estimation (1809) kvantificerer RMSE, hvor meget forudsigelser afviger fra observerede værdier ved at gennemsnitliggøre de kvadrerede forskelle og tage kvadratroden.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/da/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.
- Middelfejl (MAE)Modelevaluering↔ compare
- Middelabsolut procentfejl (MAPE)Modelevaluering↔ compare
- Middelfejlskvadrat (MSE)Modelevaluering↔ compare
- Determinationskoefficienten (R²)Modelevaluering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →