선형 적합에서 반환 된 RMSE가 sqrt (sum (residuals ^ 2) / n)을 벗어나는 이유는 무엇입니까?Linear Fit 플랫폼의 "Summary of Fit"에보고 된 Root Mean Square Error에 대해 혼란 스럽습니다.
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>마지막 줄의 결과 :
rmse_lin_reg = 0.111508840972607;
rmse_lin_fit = 0.136569881096024;
여기서 무엇이 잘못 되었습니까?
감사합니다
해석학스크립팅Re : 선형 적합에 의해 반환 된 RMSE가 sqrt (sum (residuals ^ 2) / n)을 벗어나는 이유는 무엇입니까?안녕하세요 뿡뿡 ,
나는 이것이 어떻게 모순적으로 보이는지 알 수 있습니다! 모든 평균 제곱은 제곱 편차의 합을 자유 도로 나누는 것을 포함합니다. LinearRegression ()의 결과로 작업하는 수식에서 df가 아닌 n으로 나누는 것처럼 보입니다.
rmse_lin_reg=sqrt(sum((z-y)^2)/nrows(y));
단순 선형 회귀에서 평균 제곱 오차에 대한 자유도는 n-2입니다 (절편을 추정하는 데 1df가 손실되고 x의 기울기를 추정하는 데 1 개 더 손실 됨). 아래와 같이 스크립트를 조정하면 rmse_lin_reg = sqrt (sum ((zy) ^ 2) / (nrows (y) -2)) MSE (따라서 RMSE)에 대해 동일한 값을 찾을 수 있습니다.
이게 도움이 되길 바란다!
줄리아
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>
보고
rmse_lin_reg = 0.13656988109602;
rmse_lin_fit = 0.13656988109602;
