MSE公式有參考的資料嗎
2020/02/25 下午 07:30
機器學習共學討論版
a12358
觀看數：45
回答數：3
收藏數：0
day1問題
$ MSE = \frac{1}{n}\sum_{i=1}^{n}{(Y_i - \hat{Y}_i)^2} $
請問DAY1的公式有參考的資料嗎?
完全不知道從何開始了解這公式
回答列表
-
2020/02/25 下午 08:10Jeffrey贊同數：0不贊同數：0留言數：0
-
2020/02/25 下午 08:25李子明贊同數：3不贊同數：0留言數：0
不論是MSE還是MAE，都是一種損失的呈現方式。這兩種方式的原理很簡單，就是找出一個可以代表「每一筆資料偏差」的數字。
MSE：每一筆資料偏差，指的是與資料平均值的差異量（就是小括號內的東西），但這樣子的差異量有可能是負值的，所以加上了平方來讓差異量呈現為正值，這個正值就是MSE中的偏差（就是小括號取平方的那個部分），然後把所有的偏差取平均（就是所有的小括號平方的結果都加起來，然後再乘上最前端的1/n），得到的結果就是MSE了。
MAE：與MSE相同，但負差異量的處理方式改為使用絕對值來處理。
-
2020/02/26 上午 00:08張維元 (WeiYuan)贊同數：5不贊同數：0留言數：0
補充一下：
Y 指的是 真實資料的數值， Y_hat 指的是 模型預測的數值。這個公式間單來說就是計算「真實資料的數值與模型預測的數值的差距」，通常是用來比較預測的好不好。