Actualizado por ultima vez el 7 de mayo de 2021, por .
El error cuadrático medio (MSE) es una forma común de medir la precisión de la predicción de un modelo. 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
- pronóstico : el valor de datos pronosticado
Cuanto menor sea el valor de MSE, mejor podrá un modelo predecir valores con precisión.
Cómo calcular MSE en Python
Podemos crear una función simple para calcular MSE en Python:
importar numpy como np def mse (actual, pred): actual, pred = np.array (actual), np.array (pred) return np.square (np.subtract (actual, pred)). mean ()
Luego, podemos usar esta función para calcular el MSE para dos matrices: una que contiene los valores de datos reales y otra que contiene los valores de datos predichos.
actual = [12, 13, 14, 15, 15, 22, 27] pred = [11, 13, 14, 14, 15, 16, 18] mse (actual, pred) 17.0
El error cuadrático medio (MSE) de este modelo resulta ser 17,0 .
En la práctica, la raíz del error cuadrático medio (RMSE) se usa más comúnmente para evaluar la precisión del modelo. Como su nombre lo indica, es simplemente la raíz cuadrada del error cuadrático medio.
Podemos definir una función similar para calcular RMSE:
importar numpy como np def rmse (actual, pred): actual, pred = np.array (actual), np.array (pred) return np.sqrt (np.square (np.subtract (actual, pred)). mean ())
Luego, podemos usar esta función para calcular el RMSE para dos matrices: una que contiene los valores de datos reales y otra que contiene los valores de datos predichos.
actual = [12, 13, 14, 15, 15, 22, 27] pred = [11, 13, 14, 14, 15, 16, 18] rmse (actual, pred) 4.1231
El error cuadrático medio (RMSE) de este modelo resulta ser 4,1231 .
Recursos adicionales
Calculadora de error cuadrático medio (MSE)
Cómo calcular el error cuadrático medio (MSE) en Excel
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/