Root Mean Squared Error (RMSE)
Root Mean Squared Error is een veelgebruikte metriek die de gemiddelde omvang van voorspellingsfouten in regressiemodellen meet. Voortkomend uit het werk van Carl Friedrich Gauss aan de kleinste-kwadraten-schatting (1809), kwantificeert RMSE hoe ver voorspellingen afwijken van waargenomen waarden door de gekwadrateerde verschillen te middelen en de vierkantswortel te nemen.
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 ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/nl/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.
- Gemiddelde Absolute Fout (MAE)Modelevaluatie↔ compare
- Gemiddelde Absolute Percentage Fout (MAPE)Modelevaluatie↔ compare
- Gemiddelde Kwadratische Fout (MSE)Modelevaluatie↔ compare
- R-kwadraat (R²)Modelevaluatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →