1. 全栈程序员必看首页

SSE,SSR,SSE 的关系

全栈程序员-站长 • • 未分类 • 阅读 2

SSE,SSR,SSE 的关系一 SSE 和方差 该统计参数计算的是拟合数据和原始数据对应点的误差的平方和 计算公式如下 SSE 越接近于 0 说明模型选择和拟合更好 数据预测也越成功 接下来的 MSE 和 RMSE 因为和 SSE 是同出一宗 所以效果一样二 MSE 均方差 该统计参数是预测数据和原始数据对应点误差的平方和的均值 也就是 SSE n 和 SSE 没有太大的区别 计算公式如下三 RMSE 均方

SSE,SSR,SSE 的关系

 

SSE,SSR,SSE 的关系

 

一、SSE(和方差)

该统计参数计算的是拟合数据和原始数据对应点的误差的平方和，计算公式如下

SSE,SSR,SSE 的关系

SSE,SSR,SSE 的关系

三、RMSE(均方根)
该统计参数，也叫回归系统的拟合标准差，是MSE的平方根，就算公式如下

SSE,SSR,SSE 的关系

SSE,SSR,SSE 的关系

(2)SST：Total sum of squares，即原始数据和均值之差的平方和，公式如下

SSE,SSR,SSE 的关系

细心的网友会发现，SST=SSE+SSR，呵呵只是一个有趣的问题。而我们的“确定系数”是定义为SSR和SST的比值，故

SSE,SSR,SSE 的关系

其实“确定系数”是通过数据的变化来表征一个拟合的好坏。由上面的表达式可以知道“确定系数”的正常取值范围为[0 1]，越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。

发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/221350.html原文链接：https://javaforall.net

赞 (0)
0 0

关于作者

全栈程序员-站长的头像

全栈程序员-站长

133.5K 文章
3 粉丝
本网站汇聚当前互联网主流语音，持续更新，欢迎关注公众号“全栈程序员社区”
上一篇 2026年3月17日 下午6:19
下一篇 2026年3月17日 下午6:20


相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号