公式:MSE = (1)/(n)∑_i = 1^n(y_i ŷ_i)^2 参数解释:与 MAE 公式中的ny_i和ŷ_i含义相同。 计算过程剖析: 先计算每个样本的真实值y_i与预测值ŷ_i的差值y_i ŷ_i 接着对这个差值进行平方运算(y_i ŷ_i)^2平方的目的是进一步放大较大误差的影响,使得模型对较大的误差更加...
1.1 MSE(均方误差) MSE是Mean Square Error的缩写,其计算公式如下: 从计算公式可以看出,MSE越小(理论最小值为0),说明拟合得越好。 一些机器学习模型的损失函数也是这样计算的,因为它易于求导,进而便于使用梯度下降法进行参数优化。 1.2 RMSE(均方根误差) RMSE是Root Mean Square Error的缩写,其计算公式如下: 由于...