Srednja kvadratna pogreška (MSE)
Srednja kvadratna pogreška (MSE) temeljna je funkcija gubitka za regresijske modele, mjereći prosječno kvadratno odstupanje između predviđanja i opažanja. Proizašla iz Gaussove i Legendreove metode najmanjih kvadrata (1805. – 1809.), MSE je osnova za običnu regresiju najmanjih kvadrata i ostaje ključna u optimizaciji modernog strojnog učenja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Mean Squared Error. ScholarGate. https://scholargate.app/hr/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.
- Akaikeov kriterij informacijske mjere (AIC)Evaluacija modela↔ compare
- Srednja apsolutna pogreška (MAE)Evaluacija modela↔ compare
- R-kvadrat (R²)Evaluacija modela↔ compare
- Prosječna kvadratna pogreška (RMSE)Evaluacija modela↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →