Kesalahan kuadrat rata-rata vs. galat prediksi kuadrat

Perbedaannya bukan pada ekspresi matematis, melainkan apa yang Anda ukur.

Kesalahan kuadrat rata-rata mengukur jarak kuadrat yang diharapkan antara estimator dan parameter mendasar yang sebenarnya:

MSE (\hat{θ}) = E [(\hat{θ} - θ)^{2}] .

$\text{MSE}(\hat{\theta}) = E\left[(\hat{\theta} - \theta)^2\right].$

Dengan demikian, ini adalah pengukuran kualitas penduga.

Kesalahan prediksi kuadrat rata - rata mengukur jarak kuadrat yang diharapkan antara apa yang diprediksi oleh prediktor Anda untuk nilai tertentu dan apa nilai sebenarnya:

MSPE (L.) = E [\sum_{saya = 1}^{n} {(g (x_{saya}) - \hat{g} (x_{saya}))}^{2}] .

$\text{MSPE}(L) = E\left[\sum_{i=1}^n\left(g(x_i) - \widehat{g}(x_i)\right)^2\right].$

Dengan demikian pengukuran kualitas prediktor.

Hal yang paling penting untuk dipahami adalah perbedaan antara prediktor dan estimator. Contoh estimator adalah mengambil rata-rata tinggi sampel orang untuk memperkirakan tinggi rata-rata suatu populasi. Contoh prediktor adalah rata-rata ketinggian dua orang tua individu untuk menebak tinggi spesifiknya. Dengan demikian mereka memecahkan dua masalah yang sangat berbeda.

David Robinson
sumber

Tetapi halaman wiki MSE juga memberikan contoh MSE tentang prediktor, en.wikipedia.org/wiki/Mean_squared_error

avocado

Tidak yakin estimator vs prediktor bermakna di sini. Keduanya adalah metrik yang mengukur y vs f (x) aktual di mana f (x) dimaksudkan untuk mendekati y dari vektor fitur x

Terence Parr

Jawaban ini akan lebih baik jika membahas kemungkinan bahwa MSE dapat digunakan untuk mengartikan hal-hal yang berbeda dalam konteks yang berbeda.

eric_kernfeld

Kesalahan kuadrat rata-rata vs. galat prediksi kuadrat

Jawaban: