Prosječna kvadratna pogreška (RMSE)
Prosječna kvadratna pogreška (RMSE) široko je korištena metrika koja mjeri prosječnu magnitudu pogrešaka predviđanja u regresijskim modelima. Potječe iz rada Carla Friedricha Gaussa na procjeni najmanjih kvadrata (1809.) te kvantificira koliko se predviđanja odstupaju od opaženih vrijednosti prosječnim kvadriranjem razlika i uzimanjem drugog korijena.
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 ↗
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/hr/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.
- Srednja apsolutna pogreška (MAE)Evaluacija modela↔ compare
- Srednja apsolutna postotna pogreška (MAPE)Evaluacija modela↔ compare
- Srednja kvadratna pogreška (MSE)Evaluacija modela↔ compare
- R-kvadrat (R²)Evaluacija modela↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →