Ortalama Kare Hatası (MSE)

Tahmini ve gerçek değerler arasındaki ortalama kare farkı ölçün.

Veri Girişi

Gerçek Değerler (y)Temel Gerçek

Tahmin Edilen Değerler (ŷ)Model Çıkışı

Hata Analizi

Ortalama Kare Hatası (MSE)0.375

Ortalama Karekök Hata (RMSE)0.6124Error Root

Ortalama Mutlak Hata (MAE)0.5000Absolute Mean

Gözlemler4

Overview

Ortalama Karesel Hata (MSE), hataların karelerinin ortalamasını ölçen temel bir risk fonksiyonudur. Daha küçük bir MSE'nin daha iyi bir uyumu gösterdiği makine öğrenimi ve istatistikteki regresyon modellerinin performansını değerlendirmek için kritik bir ölçümdür.

💡

Pro Tips

Use MSE as a loss function when you want to strongly discourage large outliers in your predictions.
Büyük hataların modelinizin performansına hakim olup olmadığını görmek için MSE'yi Ortalama Mutlak Hata (MAE) ile karşılaştırın.
Gerçek ve tahmin edilen veri kümelerinizin aynı uzunlukta olduğundan ve aynı gözlemlere karşılık geldiğinden emin olun.

Fun Facts

"MSE, farkın karesini aldığı için daha büyük hataları ağır şekilde cezalandırır; 10'luk bir hata, 1'lik bir hatadan 100 kat daha kötüdür."
"MSE her zaman negatif değildir ve 0 değeri, modelin gerçek değerleri mükemmel bir doğrulukla tahmin ettiğini gösterir."
"MSE'nin karekökü, tahmin edilen miktarla aynı birimlere sahip olan Ortalama Karekök Hatadır (RMSE)."

Formula: MSE = (1/n) Σ(yᵢ - ŷᵢ)²

Used with this

Similar tools that might be useful

A/B Testi Hesaplayıcı

Test sonuçlarınızın istatistiksel olarak anlamlı olup olmadığını belirleyin.

Mutlak ve Göreli Belirsizlik

Mutlak (± birim) ve Bağıl (%) belirsizlik arasında dönüştürme.

Düzeltilmiş R-Kare

Tahmincilerin sayısını hesaba katarak model uyumunu değerlendirin.