如何找到RMSE值？什么是好的RMSE值？

Question

我正在做电力输出的预测，我有不同的数据集，从200到4000的观测值不等。我计算了预测，但不知道如何计算R中的RMSE值和相关系数R(相关系数)，我尝试在excel上计算它，结果为0.0078。所以我基本上有两个问题。

1. 如何计算R中RMSE和R值？
2. 什么是好的RMSE值？0.007是一个好的可观的价值吗？

Answer 1

这里有两个函数，一个用于计算MSE，另一个调用第一个函数并获取平方根RMSE。

这些函数接受一个合适的模型，而不是一个数据集。例如，lm、glm和许多其他的输出。

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

就像我在对这个问题的评论中说的，一个价值本身并不是很好，与其他合适的模型相比，它是好的。

Answer 2

均方误差(RMSE)是预测误差的标准差。预测误差是衡量离回归线数据点有多远；RMSE是衡量这些残差分布的尺度。换句话说，它告诉您数据是如何集中在最适合的范围内的。均方误差通常用于气候学、预报和回归分析，以验证实验结果。

公式是：

其中：

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

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

​

其中：

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

您可以使用您想要的方法，因为这两个方法都反映了您所引用的相同的"R“是pearson系数，它定义了数据中的方差量。

进入Question2时，一个好的rmse值总是取决于rmse的上、下界，而一个好的值应该总是较小，这样就可以减少错误的探测。