¿Por qué el ajuste lineal devuelve el RMSE desviando la raíz cuadrada (suma (residuos ^ 2) / n)?Estoy confundido con respecto al error cuadrático medio indicado en el "Resumen de ajuste" en la plataforma Linear Fit.
x = [1.309, 1.471, 1.49, 1.565, 1.611, 1.68];
y = [2.138, 3.421, 3.597, 4.34, 4.882, 5.66];
{Estimates, Std_Error, Diagnostics} = Linear Regression( y, x, <<PRINTTOLOG></PRINTTOLOG>El resultado de la última línea:
rmse_lin_reg = 0.111508840972607;
rmse_lin_fit = 0.136569881096024;
¿Que esta mal aquí?
Gracias
AnalíticaScriptingRe: ¿Por qué el ajuste lineal devuelve el RMSE desviando la raíz cuadrada (suma (residuos ^ 2) / n)?Hola @ragnarl ,
¡Puedo ver cómo esto parece contradictorio! Todos los cuadrados medios implican dividir una suma de desviaciones al cuadrado por sus grados de libertad. En su fórmula, trabajando con los resultados de LinearRegression (), parece estar dividiendo por n, no df.
rmse_lin_reg=sqrt(sum((z-y)^2)/nrows(y));
Los grados de libertad para el error cuadrático medio en una regresión lineal simple es n-2 (se pierde 1 gl para estimar el intercepto y 1 más para estimar la pendiente de x). Si ajusta su secuencia de comandos como se muestra a continuación para tener rmse_lin_reg = sqrt (suma ((zy) ^ 2) / (nrows (y) -2)) encontrará el mismo valor para MSE (y por lo tanto RMSE).
¡Espero que esto ayude!
@Julian
x = [1.309, 1.471, 1.49, 1.565, 1.611, 1.68];
y = [2.138, 3.421, 3.597, 4.34, 4.882, 5.66];
{Estimates, Std_Error, Diagnostics} = Linear Regression( y, x, <<PRINTTOLOG></PRINTTOLOG>
devoluciones
rmse_lin_reg = 0.13656988109602;
rmse_lin_fit = 0.13656988109602;
