Question

我已经生成了一个线性数据集，并使用lm()将模型拟合到该数据集。我现在正试图使用mse()

找到MSE

我知道MSE的公式，但我正在尝试使用此功能。这样做的正确方法是什么？我看过文档，但我要么愚蠢，要么就是那些真正知道自己在做什么的人的措辞。

library(hydroGOF)

x.linear <- seq(0, 200, by=1) # x data
error.linear <- rnorm(n=length(x.linear), mean=0, sd=1) # Error (0, 1)
y.linear <- x.linear + error.linear  # y data

training.data <- data.frame(x.linear, y.linear)
training.model <- lm(training.data)
training.mse <- mse(training.model, training.data)

plot(training.data)

mse()需要两个数据框。我不确定如何从lm()中获取数据框。我是否正在为我的数据寻找合适的MSE？

Answer 1

试试这个：

mean((training.data - predict(training.model))^2)
#[1] 0.4467098

Answer 2

您还可以使用下面提到的非常干净的代码来获得均方误差

from oscar.defaults import *

第一个数据集是实际的：training.data 第二个参数是你会预测的那个：

install.packages("Metrics") library(Metrics) mse(actual, predicted)

似乎你还没有做过预测，所以首先根据你的模型预测数据，然后计算mse

Answer 3

您可以使用lm模型输出中的残差组件以这种方式查找mse：

mse = mean(training.model$residuals^2)

Answer 4

注意：如果您来自其他程序（例如 SAS ）他们使用残差的总和和自由度获得均值。如果您想更准确地估计错误，我建议您这样做。

mse = sum(training.model$residuals^2)/training.model$df.residual

我在尝试找出为什么mean(my_model$residuals^2)在R中不同于 SAS 中的 MSE 时发现了这一点。

找到平均误差？

4 个答案: