一、概念理解
首先看一下两个的概念:
- RMSE: root mean square error 均方根误差,测绘学科中常称作中误差。它是指一组观测值与真值差的平方和与观测次数比值的平方根,它反映的是观测值的精确度(准确度+精密度)
- STD:Standard Deviation 标准差,它是指一组数据与其平均值之差的平方和,再与数据个数的比值的平方根,它反应的是这组数据的离散程度,也就是精密度。
- RMS:root mean square 均方根,将N个项的平方和除以N后开平方的结果,即均方根的结果。
上面的描述可能听起来比较拗口,下面看一下公式,
还是不太懂,那再举个例子。
假设我手上有一根铅笔,它的长度是20cm(假设,20cm就是它长度的真值),现在我的一个好朋友来了(叫啥名呢,就叫小王吧),小王想测量一下这根铅笔的长度,于是他认认真真地测量了20次,测量结果如下(开始胡编数据):20.1cm,19.9cm,20.2cm,20.0cm……
好,现在我们就有了一组观测数据(这要感谢小王),那么我们就开始算这组数据地RMS和STD了。
- RMS:每个数据都与真值(20cm)做差,得到20个差值,然后将这20个差值取平方和再除以20,得到的结果就是RMSE。
- STD:先求这20个数据的平均值(比如说是20.1cm,为了与真值20cm做区分,故意不设成是20cm,当然要以实际计算结果为准),然后每个数据都与平均值(20.1cm)做差,得到20个差值,然后将这20个差值取平方和再除以20,得到的结果就是STD。
- 可以看到,两者的计算方法有点类似,只有做差那步,做差的对象不同。
可是,在实际生活中,一个待测量的真值我们往往是无法得知的(我们又不是上帝,况且上帝有可能也不知道),所以,我们并不能如此顺利地计算出来RMSE。实际上,计算RMSE和STD的公式如下:
二、公式推导
注意到,上述两个公式只有分母不同,STD完全是照概念掰扯的,那为啥RMSE 是这个样子呢?这就要考虑概率论中的无偏性了。
下面看一个例子:
值得注意的是,上述样本方差的公式中分母为n
,是为了更好的说明样本方差与总体方差的关系;其实在很多教材中,样本方差的公式中已经将分母改为n-1
了,也就是说,它已经是总体方差的无偏估计了。
三、总结
- 方差(标准差的平方)= 均方误差(均方根误差的平方)- 估计误差的平方(当以均值作为估计值时)
- 方差(标准差的平方)= 均方(均方根的平方)- 平均值的平方
- 方差 = 平方的期望 - 期望的平方
- 平方的期望 = 方差 + 期望的平方
总体样本方差的无偏估计样本方差为什么除以n-1:https://blog.csdn.net/qq_16587307/article/details/81328773