El error cuadrático medio (RMSE) es una métrica que nos dice qué tan lejos están nuestros valores predichos de nuestros valores observados en un análisis de regresión, en promedio. Se calcula como:
RMSE = √ [Σ (P i – O i ) 2 / n]
dónde:
- Σ es un símbolo elegante que significa «suma»
- P i es el valor predicho para la i- ésima observación en el conjunto de datos
- O i es el valor observado para la i- ésima observación en el conjunto de datos
- n es el tamaño de la muestra
Este tutorial explica dos métodos que puede utilizar para calcular RMSE en R.
Método 1: escriba su propia función
Supongamos que tenemos un conjunto de datos con una columna que contiene los valores de datos reales y una columna que contiene los valores de datos predichos:
#create conjunto de datos
data <- data.frame (actual = c (34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24),
predicho = c (37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23))
#ver conjunto de datos
datos
real predicho
1 34 37
2 37 40
3 44 46
4 47 44
5 48 46
6 48 50
7 46 45
8 43 44
9 32 34
10 27 30
11 26 22
12 24 23
Para calcular el RMSE, podemos usar la siguiente función:
#calcular RMSE sqrt (media ((datos $ real - datos $ pronosticados) ^ 2)) [1] 2.43242
El error cuadrático medio es 2.43242 .
Método 2: usar un paquete
También podríamos calcular RMSE para el mismo conjunto de datos usando la función rmse () del paquete Metrics , que usa la siguiente sintaxis:
rmse (real, predicho)
dónde:
- actual: valores reales
- predicho: valores predichos
Aquí está la sintaxis que usaríamos en nuestro ejemplo:
#load biblioteca de paquetes de métricas (métricas) calcular RMSE rmse (datos $ reales, datos $ predichos) [1] 2.43242
El error cuadrático medio es 2.43242 , que coincide con lo que calculamos anteriormente usando nuestra propia función.
Cómo interpretar RMSE
RMSE es una forma útil de ver qué tan bien un modelo de regresión puede ajustarse a un conjunto de datos.
Cuanto mayor sea el RMSE, mayor será la diferencia entre los valores predichos y observados, lo que significa que peor se ajusta un modelo de regresión a los datos. Por el contrario, cuanto más pequeño sea el RMSE, mejor podrá un modelo ajustar los datos.
Puede ser particularmente útil comparar el RMSE de dos modelos diferentes entre sí para ver qué modelo se ajusta mejor a los datos.
Recursos adicionales
Calculadora RMSE
Cómo calcular MSE en R
Cómo calcular MAPE en R
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
