MCDMError metric
میانگین مربعات خطا (MSE)
میانگین مربعات خطا، تابع زیان بنیادی برای مدلهای رگرسیون است که انحراف میانگین مربعات بین پیشبینیها و مشاهدات را اندازهگیری میکند. MSE که از روش حداقل مربعات گاوس و لژاندر (۱۸۰۵-۱۸۰۹) نشأت گرفته است، اساس رگرسیون حداقل مربعات معمولی است و در بهینهسازی یادگیری ماشین مدرن نیز مرکزی باقی مانده است.
مطالعهٔ کامل روش
ویژهٔ اعضا
ورودبرای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Mean Squared Error. ScholarGate. https://scholargate.app/fa/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.
- معیار اطلاعات آکائیکه (AIC)ارزیابی مدل↔ compare
- میانگین خطای مطلق (MAE)ارزیابی مدل↔ compare
- ضریب تعیین (R²)ارزیابی مدل↔ compare
- خطای میانگین مربعات ریشهای (RMSE)ارزیابی مدل↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →