mean squared error (MSE) or mean squared deviation (MSD)
squared 대신 square로 표현해도 무방.
squared 대신 square로 표현해도 무방.
가장 많이 쓰이는 손실함수,loss_function
Formula for MSE:
where
MSE는 단순히 SSE를 sample size로 나눈 것이다. // 표본,size 표본크기,sample_size
: 번째, 측정값 (observed value)
: 번째, 예상한 값 (predicted value)
: 측정의 수 (number of observations)
식에서 분자,numerator는 SSE(sum of the squared errors)이다. // SSE: 번째, 예상한 값 (predicted value)
: 측정의 수 (number of observations)
MSE는 단순히 SSE를 sample size로 나눈 것이다. // 표본,size 표본크기,sample_size
구하는 방법
- 평균을 구한다.
- 각 데이터와 평균의 차에 제곱을 한다.
- 위에서 구한 값을 모두 더한다.
- 위에서 구한 값을 총 데이터 숫자만큼 나눈다.
추정량,estimator 이 모수,parameter 에 가까운 정도를 나타내는 측도로 평균제곱오차(mean squared error, MSE) 를 쓸 수도 있다.
Lp거리의 특수 형태인 L2 거리,distance.
fromhttps://seoncheolpark.github.io/book/_book/7-3-lp-convergence-in-lp.html
Lp거리의 특수 형태인 L2 거리,distance.
from
비교: 다른 errors ¶
SSE = SSR = RSS .... curr. 제곱합,square_sum
RMSE = RMSD ... 평균제곱근편차(root_mean_square_deviation RMSD) 또는 평균제곱근오차(root_mean_square_error RMSE) - rel. 제곱평균제곱근,root_mean_square,RMS
.. tbw
RMSE = RMSD ... 평균제곱근편차(root_mean_square_deviation RMSD) 또는 평균제곱근오차(root_mean_square_error RMSE) - rel. 제곱평균제곱근,root_mean_square,RMS
.. tbw