均方误差mse均方根误差rmse_损失函数 - MSE

均方误差mse均方根误差rmse_损失函数 - MSE_第1张图片

本来主要介绍机器学习中常见的损失函数MSE的定义以及它的求导特性。


数理统计中均方误差是指参数估计值与参数值之差平方的期望值,记为MSE。MSE是衡量“平均误差”的一种较方便的方法,MSE可以评价数据的变化程度,MSE的值越小,说明预测模型描述实验数据具有更好的精确度。

SSE(和方差)

在统计学中,该参数计算的是拟合数据和原始对应点的误差的平方和,计算公式为:

其中

是真实数据,
是拟合的数据,
,从这里可以看出SSE接近于0,说明模型选择和拟合更好,数据预测也越成功。

MSE(均方方差)

该统计参数是预测数据和原始数据对应点误差的平方和的均值,也就是

你可能感兴趣的:(误差函数拟合优缺点)