Srednja kvadratna greška (RMSE)
Srednja kvadratna greška (RMSE) je široko korišćena metrika koja meri prosečnu magnitudu grešaka predviđanja u regresionim modelima. Potiče iz rada Karla Fridriha Gausa na proceni metodom najmanjih kvadrata (1809), RMSE kvantifikuje koliko predviđanja odstupaju od opaženih vrednosti, tako što usrednjava kvadratne razlike i uzima kvadratni koren.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Root Mean Squared Error. ScholarGate. https://scholargate.app/sr/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.
- Srednja apsolutna greška (MAE)Evaluacija modela↔ compare
- Srednja apsolutna procentualna greška (MAPE)Evaluacija modela↔ compare
- Srednja kvadratna greška (MSE)Evaluacija modela↔ compare
- R-kvadrat (R²)Evaluacija modela↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →