Una de las métricas más comunes que se utilizan para medir la precisión de la predicción de un modelo es MSE , que significa error cuadrático medio . Se calcula como:
MSE = (1 / n) * Σ (real – predicción) 2
dónde:
- Σ – un símbolo elegante que significa «suma»
- n – tamaño de la muestra
- actual : el valor de los datos reales
- predicción : el valor de los datos predichos
Cuanto menor sea el valor de MSE, con mayor precisión un modelo podrá predecir valores.
Cómo calcular MSE en R
Dependiendo del formato en el que se encuentren sus datos, existen dos métodos sencillos que puede utilizar para calcular el MSE de un modelo de regresión en R.
Método 1: Calcular MSE a partir del modelo de regresión
En un escenario, puede tener un modelo de regresión ajustado y simplemente le gustaría calcular el MSE del modelo. Por ejemplo, puede tener el siguiente modelo de regresión:
#cargar conjunto de datos de mtcars datos (mtcars) #fit modelo de regresión modelo <- lm (mpg ~ disp + hp, data = mtcars) #obtener resumen del modelo model_summ <-summary (modelo)
Para calcular el MSE para este modelo, puede utilizar la siguiente fórmula:
#calcular MSE mean (model_summ $ residuales ^ 2) [1] 8.85917
Esto nos dice que el MSE es 8.85917 .
Método 2: Calcule el MSE a partir de una lista de valores pronosticados y reales
En otro escenario, es posible que simplemente tenga una lista de valores predichos y reales. Por ejemplo:
#cree un marco de datos con una columna de valores reales y una columna de valores predichos
data <- data.frame (pred = predecir (modelo), actual = mtcars $ mpg)
#ver las primeras seis líneas de datos
cabeza (datos)
pred actual
Mazda RX4 23.14809 21.0
Mazda RX4 Wag 23.14809 21.0
Datsun 710 25.14838 22.8
Hornet 4 Drive 20.17416 21.4
Hornet Sportabout 15.46423 18.7
Valiente 21.29978 18.1
En este caso, puede utilizar la siguiente fórmula para calcular el MSE:
#calcular MSE mean ((datos $ real - datos $ pred) ^ 2) [1] 8.85917
Esto nos dice que el MSE es 8.85917 , que coincide con el MSE que calculamos usando el método anterior.
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
