Errore Quadratico Medio (MSE)
L'Errore Quadratico Medio (MSE) è la funzione di perdita fondamentale per i modelli di regressione, che misura la deviazione quadratica media tra previsioni e osservazioni. Originato dal metodo dei minimi quadrati di Gauss e Legendre (1805-1809), l'MSE è la base della regressione ordinaria dei minimi quadrati e rimane centrale nell'ottimizzazione dell'apprendimento automatico moderno.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Mean Squared Error. ScholarGate. https://scholargate.app/it/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.
- Criterio di Informazione di Akaike (AIC)Valutazione dei modelli↔ compare
- Errore Assoluto Medio (MAE)Valutazione dei modelli↔ compare
- Coefficiente di determinazione (R²)Valutazione dei modelli↔ compare
- Errore quadratico medio (RMSE)Valutazione dei modelli↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →