Erreur quadratique moyenne (RMSE)

Apprentissage supervisé en R : régression

Nina Zumel and John Mount

Win-Vector LLC

Qu'est-ce que la RMSE ?

$$ RMSE = \sqrt{\overline{(y-pred)^2}} $$

où

$y - pred$ : l'erreur, ou vecteur des résidus
$\overline{(y-pred)^2}$ : moyenne de $(y-pred)^2$

RMSE du modèle de prix de vente des maisons

# Calculate error
err <- houseprices$prediction - houseprices$price

price : colonne des prix de vente réels (en milliers)
prediction : colonne des prix de vente prévus (en milliers)

RMSE du modèle de prix de vente des maisons

# Calculate error
err <- houseprices$prediction - houseprices$price

# Square the error vector
err2 <- err^2

RMSE du modèle de prix de vente des maisons

# Calculate error
err <- houseprices$prediction - houseprices$price

# Square the error vector
err2 <- err^2

# Take the mean, and sqrt it
(rmse <- sqrt(mean(err2)))

58.33908

$RMSE \approx 58{,}3$

La RMSE est-elle grande ou petite ?

# Take the mean, and sqrt it
(rmse <- sqrt(mean(err2)))

58.33908

# The standard deviation of the outcome
(sdtemp <- sd(houseprices$price))

135.2694

$RMSE \approx 58{,}3$
$sd(price) \approx 135$

Passons à la pratique !

Apprentissage supervisé en R : régression