Pierwiastek średniokwadratowy błędu (RMSE)
Pierwiastek średniokwadratowy błędu (RMSE) jest powszechnie stosowaną metryką, która mierzy średnią wielkość błędów predykcji w modelach regresji. Wywodzący się z prac Carla Friedricha Gaussa nad metodą najmniejszych kwadratów (1809), RMSE kwantyfikuje, jak bardzo predykcje odbiegają od wartości obserwowanych, poprzez uśrednienie kwadratów różnic i wyciągnięcie pierwiastka kwadratowego.
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 ↗
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/pl/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.
- Średni Błąd Bezwzględny (MAE)Ocena modeli↔ compare
- Średni bezwzględny błąd procentowy (MAPE)Ocena modeli↔ compare
- Średni błąd kwadratowy (MSE)Ocena modeli↔ compare
- Współczynnik determinacji (R²)Ocena modeli↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →