Średni błąd kwadratowy (MSE)
Średni błąd kwadratowy (MSE) jest fundamentalną funkcją straty dla modeli regresyjnych, mierzącą średnie kwadratowe odchylenie między przewidywaniami a obserwacjami. Wywodzący się z metody najmniejszych kwadratów Gaussa i Legendre’a (1805–1809), MSE stanowi podstawę regresji metodą najmniejszych kwadratów i pozostaje kluczowy w optymalizacji współczesnego uczenia maszynowego.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Mean Squared Error. ScholarGate. https://scholargate.app/pl/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.
- Kryterium informacyjne Akaikego (AIC)Ocena modeli↔ compare
- Średni Błąd Bezwzględny (MAE)Ocena modeli↔ compare
- Współczynnik determinacji (R²)Ocena modeli↔ compare
- Pierwiastek średniokwadratowy błędu (RMSE)Ocena modeli↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →