Kesalahan kuadrat rata-rata vs. galat prediksi kuadrat

Apa perbedaan semantik antara Mean Squared Error (MSE) dan Mean Squared Prediction Error (MSPE)?

— Ryan Zotti
sumber

Perbedaannya bukan pada ekspresi matematis, melainkan apa yang Anda ukur.

Kesalahan kuadrat rata-rata mengukur jarak kuadrat yang diharapkan antara estimator dan parameter mendasar yang sebenarnya:

MSE (\hat{θ}) = E [(\hat{θ} - θ)^{2}] .

$\text{MSE}(\hat{\theta}) = E\left[(\hat{\theta} - \theta)^2\right].$

Dengan demikian, ini adalah pengukuran kualitas penduga.

Kesalahan prediksi kuadrat rata - rata mengukur jarak kuadrat yang diharapkan antara apa yang diprediksi oleh prediktor Anda untuk nilai tertentu dan apa nilai sebenarnya:

MSPE (L.) = E [\sum_{saya = 1}^{n} {(g (x_{saya}) - \hat{g} (x_{saya}))}^{2}] .

$\text{MSPE}(L) = E\left[\sum_{i=1}^n\left(g(x_i) - \widehat{g}(x_i)\right)^2\right].$

Dengan demikian pengukuran kualitas prediktor.

Hal yang paling penting untuk dipahami adalah perbedaan antara prediktor dan estimator. Contoh estimator adalah mengambil rata-rata tinggi sampel orang untuk memperkirakan tinggi rata-rata suatu populasi. Contoh prediktor adalah rata-rata ketinggian dua orang tua individu untuk menebak tinggi spesifiknya. Dengan demikian mereka memecahkan dua masalah yang sangat berbeda.

— David Robinson
sumber

Tetapi halaman wiki MSE juga memberikan contoh MSE tentang prediktor, en.wikipedia.org/wiki/Mean_squared_error

— avocado

Tidak yakin estimator vs prediktor bermakna di sini. Keduanya adalah metrik yang mengukur y vs f (x) aktual di mana f (x) dimaksudkan untuk mendekati y dari vektor fitur x

— Terence Parr

Jawaban ini akan lebih baik jika membahas kemungkinan bahwa MSE dapat digunakan untuk mengartikan hal-hal yang berbeda dalam konteks yang berbeda.

— eric_kernfeld