0


RSE和RMSE

在统计学中,RSE和RMSE分别代表相对标准误差和均方根误差。

RSE(Relative Standard Error)是用于衡量样本估计值的精度的统计指标,它可表示为:

  1. R
  2. S
  3. E
  4. =
  5. s
  6. y
  7. ˉ
  8. ×
  9. 100
  10. RSE = \frac{s}{\bar{y}} \times 100%
  11. RSE=yˉ​s​×100

其中,s是样本观测值与平均值之间的标准偏差,

  1. y
  2. ˉ
  3. \bar{y}
  4. yˉ​是样本观测值的平均值。RSE越小,说明样本估计值的精度越高。

RMSE(Root Mean Square Error)是衡量观测值与预测值之间误差的一个指标,它可表示为:

  1. R
  2. M
  3. S
  4. E
  5. =
  6. i
  7. =
  8. 1
  9. n
  10. (
  11. y
  12. i
  13. y
  14. i
  15. ^
  16. )
  17. 2
  18. n
  19. RMSE = \sqrt{\frac{\sum_{i=1}^{n}(y_i-\hat{y_i})^2}{n}}
  20. RMSE=ni=1n​(yi​−yi​^​)2​​

其中,

  1. y
  2. i
  3. y_i
  4. yi​是第i个观测值,
  5. y
  6. i
  7. ^
  8. \hat{y_i}
  9. yi​^​是对应的预测值,n是总观测数。RMSE越小,说明预测模型的精度越高。

本文转载自: https://blog.csdn.net/AdamCY888/article/details/129914086
版权归原作者 高山莫衣 所有, 如有侵权,请联系我们删除。

“RSE和RMSE”的评论:

还没有评论