如何找到 RMSE 值？什么是好的 RMSE 值？答案

【问题标题】：How to find RMSE value? and What is good RMSE value?如何找到 RMSE 值？什么是好的 RMSE 值？
【发布时间】：2021-07-18 15:29:04
【问题描述】：

我正在预测电力输出，我有不同的数据集，从 200 到 4000 个观察值不等。我已经计算了预测，但我不知道如何计算 R 中的 RMSE 值和 R（相关系数）。我试图在 excel 上计算它，rmse 的结果是 0.0078。所以我这里基本上有两个问题。

【问题讨论】：

如果您有模型，请尝试sqrt(sum(resid(model)^2))。而且一个值本身并不好，与从其他拟合模型获得的其他值相比，它是好的。
@RuiBarradas，作为答案发帖？
对于第 1 部分，这些是否回答了您的问题？ stackoverflow.com/a/26237921/6851825 和 stackoverflow.com/a/35916901/6851825 和 stackoverflow.com/a/43123619/6851825

标签： r

【解决方案1】：

这里有两个函数，一个用于计算 MSE，第二个调用第一个函数并取平方根 RMSE。

这些函数接受一个拟合模型，而不是一个数据集。例如lm、glm 等的输出。

mse <- function(x, na.rm = TRUE, ...){
  e <- resid(x)
  mean(e^2, na.rm = TRUE)
}
rmse <- function(x, ...) sqrt(mse(x, ...))

就像我在对该问题的评论中所说，一个值本身并不好，与从其他拟合模型获得的其他值相比，它是好的。

【讨论】：

谢谢。我做了预测并计算了 rmse 值。 rmse 值为 0.60，而在绘图中预测没有正确遵循观察到的数据，它与它有一些偏差。这是否意味着我的模型不合适或其他原因？
@SohrabKhan 这对我们来说是不可能的。如果数据更多地分布在拟合线上，则尽管模型很好，但 RMSE 会更大。或者也许其他模型是更好的选择。就像我说的，RMSE 值本身并不是一个标准，你有没有尝试绘制残差？ Q-Q图、直方图等？

【解决方案2】：

均方根误差 (RMSE) 是预测误差的标准差。预测误差衡量回归线数据点的距离； RMSE 衡量这些残差的分布程度。换句话说，它告诉您数据在最佳拟合线附近的集中程度。均方根误差常用于气候学、预报和回归分析，以验证实验结果。

公式为：地点：

f = forecasts (expected values or unknown results),
o = observed values (known results).

平方差上方的条形是平均值（类似于 x̄）。相同的公式可以用以下略有不同的符号来编写：

地点：

Σ = summation (“add up”)
(zfi – Zoi)2 = differences, squared
N = sample size.

您可以使用任何您想要的方法，因为两者都反映了相同的情况，并且您所指的“R”是定义数据中方差量的皮尔逊系数

来到问题 2，一个好的 rmse 值始终取决于您的 rmse 的上限和下限，一个好的值应该总是更小，从而减少对错误的探测

【讨论】：

(1) 理论看起来不错，但这不是 OP 所要求的（如果他们有的话，这对 SO 来说是题外话）；（2）您没有回答他们的主要问题（Q1），“我如何计算 R 中的 RMSE”？ Q2 也与 SO 无关......（而且，当我在挑选你时，你应该在文本中写出公式，例如 sqrt(bar((f-o)^2)) 或至少提供替代文本......