Errore quadratico medio (RMSE)
L'Errore quadratico medio (Root Mean Squared Error, RMSE) è una metrica ampiamente utilizzata che misura la magnitudine media degli errori di previsione nei modelli di regressione. Originato dal lavoro di Carl Friedrich Gauss sulla stima dei minimi quadrati (1809), l'RMSE quantifica quanto le previsioni si discostano dai valori osservati mediando le differenze al quadrato e estraendo la radice quadrata.
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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/it/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.
- Errore Assoluto Medio (MAE)Valutazione dei modelli↔ compare
- Errore Percentuale Assoluto Medio (MAPE)Valutazione dei modelli↔ compare
- Errore Quadratico Medio (MSE)Valutazione dei modelli↔ compare
- Coefficiente di determinazione (R²)Valutazione dei modelli↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →