使用R语言计算均方根误差(RMSE)的整体平均值
在数据分析和统计建模中,我们经常需要评估模型的预测准确性。均方根误差(RMSE)是其中一种常用的评价指标,它衡量了观测值和预测值之间的差异程度。本文将介绍如何使用R语言计算RMSE,并进一步求取整体的均值。
假设我们有一个包含n个观测值的数据集,每个观测值都有一个相应的真实值和预测值。首先,我们需要计算每个观测值的平方误差,然后将它们求和并除以n,最后将结果开方,即可得到每个观测值的RMSE。
以下是一个示例数据集,其中包含10个观测值及其对应的真实值和预测值:
# 创建示例数据集
observed <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
predicted <- c(1.2, 2.5, 2.8, 4.1, 4.9, 6.3, 6.8, 8.2, 9.1, 10.5)
# 计算每个观测值的平方误差
squared_errors <- (observed - predicted) ^ 2
# 计算RMSE
rmse <- sqrt(mean(squared_errors))
以上代码中,我们首先创建了一个观测值向量observed
和一个预测值向量predicted
。然后,通过将观测值与预测值之差的平方获取每个观测值的平方误差&#