Среднеквадратичная ошибка (MSE)
Среднеквадратичная ошибка (MSE) является фундаментальной функцией потерь для регрессионных моделей, измеряющей среднее квадратичное отклонение между предсказаниями и наблюдениями. Возникнув из метода наименьших квадратов Гаусса и Лежандра (1805–1809 гг.), MSE лежит в основе регрессии методом обычных наименьших квадратов и остается центральной для оптимизации в современном машинном обучении.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Mean Squared Error. ScholarGate. https://scholargate.app/ru/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.
- Информационный критерий Акаике (AIC)Оценка моделей↔ compare
- Средняя абсолютная ошибка (MAE)Оценка моделей↔ compare
- Коэффициент детерминации (R²)Оценка моделей↔ compare
- Среднеквадратичная ошибка (RMSE)Оценка моделей↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →