Untuk masalah regresi, saya telah melihat orang menggunakan "koefisien determinasi" (alias R kuadrat) untuk melakukan pemilihan model, misalnya, menemukan koefisien penalti yang tepat untuk regularisasi.
Namun, itu juga umum untuk menggunakan "mean squared error" atau "root mean squared error" sebagai ukuran akurasi regresi.
Jadi apa perbedaan utama antara keduanya? Bisakah mereka digunakan secara bergantian untuk tugas "regularisasi" dan "regresi"? Dan apa penggunaan utama masing-masing dalam praktik, seperti dalam pembelajaran mesin, tugas-tugas penambangan data?
sumber