Neliöjuurikeskivirhe (RMSE)
Neliöjuurikeskivirhe (Root Mean Squared Error, RMSE) on laajalti käytetty mittari, joka arvioi regressiomallien ennustevirheiden keskimääräistä suuruutta. Se pohjautuu Carl Friedrich Gaussin pienimmän neliösumman estimointia koskeviin töihin (1809) ja kvantifioi, kuinka paljon ennusteet poikkeavat havaituista arvoista laskemalla neliöityjen erotusten keskiarvon ja ottamalla siitä neliöjuuren.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/fi/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.
- Keskimääräinen absoluuttinen virhe (MAE)Mallien arviointi↔ compare
- Keskimääräinen absoluuttinen prosentuaalinen virhe (MAPE)Mallien arviointi↔ compare
- Keskineliövirhe (MSE)Mallien arviointi↔ compare
- Selitekerroin (R²)Mallien arviointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →