【问题标题】：Calculating MSE: why are these two ways giving different results?计算 MSE：为什么这两种方法会给出不同的结果？
【发布时间】：2017-04-02 02:44:16
【问题描述】：
我对 R 中 MSE 的计算有些疑问。
我尝试了两种不同的方法，得到了两种不同的结果。想知道哪一种是找到mse的正确方法。
第一：
model1 <- lm(data=d, x ~ y)
rmse_model1 <- mean((d - predict(model1))^2)
第二：
mean(model1$residuals^2)
【问题讨论】：
标签：
r
regression
data-mining
linear-regression
【解决方案1】：
原则上，它们应该给您相同的结果。但在第一个选项中，您应该使用d$x。如果你只使用d，R中的回收规则会重复predict(model1)两次（因为d有两列）并且计算也会涉及d$y。
请注意，建议在第一个选项中包含na.rm = TRUE 到mean，以及newdata = d 到predict。这使您的代码对数据中的缺失值具有鲁棒性。另一方面，您无需担心第二个选项中的NA，因为lm 会自动删除NA 案例。您可以查看此线程以了解此功能的潜在影响：Aligning Data frame with missing values。