مقدار درستی برای MSE وجود ندارد. به عبارت ساده، هرچه مقدار کمتر باشد بهتر است و 0 به معنای کامل بودن مدل است.
میانگین مربع خطای قابل قبول چیست؟
بر اساس یک قانون سرانگشتی، می توان گفت که مقادیر RMSE بین 0.2 تا 0.5 نشان می دهد که مدل می تواند داده ها را نسبتاً با دقت پیش بینی کند. علاوه بر این، Adjusted R-squared بیشتر از 0.75 مقدار بسیار خوبی برای نشان دادن دقت است. در برخی موارد، مربع R تنظیم شده 0.4 یا بیشتر نیز قابل قبول است.
محدوده MSE چقدر است؟
هیچ محدودیت قابل قبولی برای MSE وجود ندارد به جز اینکه هرچه MSE کمتر باشد دقت پیش‌بینی بیشتر می‌شود زیرا تطابق عالی بین مجموعه داده‌های واقعی و پیش‌بینی‌شده وجود دارد. این امر با بهبود همبستگی با نزدیک شدن MSE به صفر نشان داده شده است.
چگونه MSE را در رگرسیون خطی تفسیر می کنید؟
میانگین مربعات خطا (MSE) به می گوید که یک خط رگرسیون چقدر به مجموعه ای از نقاط نزدیک است این کار را با گرفتن فاصله از نقاط تا خط رگرسیون انجام می دهد. این فواصل "خطاها") و مربع کردن آنها هستند. برای حذف هر گونه علائم منفی، مربع کردن ضروری است.
r-squared در انگلیسی ساده چیست؟
R-squared درصد تغییر متغیر پاسخ است که با یک مدل خطی توضیح داده می شود. همیشه بین 0 تا 100 درصد است. R-squared یک معیار آماری است که نشان می دهد داده ها چقدر به خط رگرسیون برازش نزدیک هستند. … به طور کلی، هر چه R-squared بالاتر باشد، مدل بهتر با داده های شما مطابقت دارد.
