Среднеквадратичная ошибка (RMSE)
Среднеквадратичная ошибка (Root Mean Squared Error, RMSE) — широко используемая метрика, измеряющая среднюю величину ошибок прогнозирования в регрессионных моделях. Возникнув из работ Карла Фридриха Гаусса по методу наименьших квадратов (1809), RMSE количественно определяет, насколько прогнозы отклоняются от наблюдаемых значений, усредняя квадраты разностей и извлекая квадратный корень.
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 ↗
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/ru/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.
- Средняя абсолютная ошибка (MAE)Оценка моделей↔ compare
- Средняя абсолютная процентная ошибка (MAPE)Оценка моделей↔ compare
- Среднеквадратичная ошибка (MSE)Оценка моделей↔ compare
- Коэффициент детерминации (R²)Оценка моделей↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →