RMSE가 sqrt(sum(residuals^2)/n)를 벗어나는 Linear Fit에 의해 반환되는 이유는 무엇입니까?Linear Fit 플랫폼의 "Summary of Fit"에 보고된 평균 제곱근 오차(Root Mean Square Error)에 대해 혼란스럽습니다.
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 잘못되었나요?
감사합니다
고급 통계 모델링콘텐츠 구성데이터 탐색 및 시각화대량 맞춤화결과 공유 및 소통Re: Linear Fit에서 반환된 RMSE가 sqrt(sum(residuals^2)/n)를 벗어나는 이유는 무엇인가요?안녕 @ragnarl ,
이것이 어떻게 모순적으로 보이는지 알 수 있습니다! 모든 평균 제곱은 제곱 편차의 합을 자유도로 나누는 것과 관련됩니다. 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 오차의 자유도는 n-2입니다(절편 추정 시 1df 손실, x 기울기 추정 시 1df 추가 손실). 아래와 같이 스크립트를 조정하면 rmse_lin_reg=sqrt(합계((zy)^2)/(nrows(y)-2)) MSE(따라서 RMSE)에 대해 동일한 값을 찾을 수 있습니다.
이게 도움이 되길 바란다!
@줄리안
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;
