Gemiddelde Kwadratische Fout (MSE)
Gemiddelde Kwadratische Fout is de fundamentele verliesfunctie voor regressiemodellen, die de gemiddelde gekwadrateerde afwijking tussen voorspellingen en observaties meet. Oorspronkelijk afkomstig van de methode van kleinste kwadraten van Gauss en Legendre (1805-1809), vormt MSE de basis voor gewone kleinste-kwadratenregressie en blijft het centraal staan in de optimalisatie van moderne machine learning.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Mean Squared Error. ScholarGate. https://scholargate.app/nl/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.
- Akaike Informatiecriterium (AIC)Modelevaluatie↔ compare
- Gemiddelde Absolute Fout (MAE)Modelevaluatie↔ compare
- R-kwadraat (R²)Modelevaluatie↔ compare
- Root Mean Squared Error (RMSE)Modelevaluatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →