ForHosting KIT · Matematica

Calcolatore MSE

Quattro previsioni i cui errori al quadrato sommano 0,6 danno un errore quadratico medio di 0,15. Incolli i valori previsti e reali nello stesso ordine: ogni scarto viene elevato al quadrato, quindi contano gli errori in entrambi i sensi e quelli grandi pesano di più. Gratis nel suo browser.

  • Gratis
  • Funziona nel suo browser
  • Senza registrazione
  • I suoi dati restano sul dispositivo
Usalo da WebAPIEmailTelegramApp presto
Se inserisce
Previsto
2,5, 0, 2,1, 7,8
Reale
3, -0,5, 2, 7,5
Ottiene
N
4
Sse
0,6
Mse
0,15

Questo calcolatore di errore quadratico medio confronta due serie numeriche parallele —una di previsioni e una di osservazioni reali— e restituisce la media dei residui al quadrato. Lei incolla o invia due elenchi della stessa lunghezza; il motore sottrae ogni valore reale dalla previsione accoppiata, eleva quella differenza al quadrato, media i quadrati e riporta l'MSE insieme al conteggio delle coppie e alla somma lorda degli errori al quadrato. Il risultato non è mai negativo e vale zero solo quando ogni previsione coincide esattamente con il proprio valore reale. Il percorso è deterministico: nessuna rete, nessun campionamento casuale e nessun orologio.

Che cosa misura l'errore quadratico medio e in che cosa differisce da MAD, SEE e dall'MSE dell'ANOVA

L'errore quadratico medio risponde a una domanda di accoppiamento: date una lista di previsioni e una lista di valori reali della stessa lunghezza, quanto è grande il residuo tipico al quadrato? In algebra, il residuo di ciascuna coppia è il valore previsto meno il valore reale; ogni residuo viene elevato al quadrato così che sovrastime e sottostime non si annullino, e l'errore quadratico medio è la media di quei quadrati. Scritto in formula, MSE equivale a uno su n volte la somma di previsto meno reale, il tutto al quadrato.

Il risultato vive nelle unità al quadrato delle misure originali e non è mai negativo. Vale esattamente zero solo quando ogni previsione coincide con il proprio valore reale accoppiato. L'elevazione al quadrato è ciò che distingue l'MSE dall'errore assoluto medio: un residuo di due contribuisce quattro, mentre un residuo di uno contribuisce uno, così gli scarti grandi dominano la media.

Per questo le pagine di valutazione dei modelli, i compiti di regressione e i tutorial sulle funzioni di perdita cercano un calcolatore MSE, non una statistica di dispersione su un solo campione. Questa pagina confronta sempre due serie date. Non adatta una retta, non divide per gradi di libertà residuali e non riporta il quadrato medio dell'ANOVA che compare in una tavola di differenza onesta significativa di Tukey.

Quelle sono intenzioni di ricerca diverse, coperte da altri strumenti. La deviazione media assoluta di un solo elenco rispetto alla propria media è un'altra pagina. L'errore standard della stima è la dimensione residuale intorno a una retta dei minimi quadrati, non l'errore quadratico medio di due serie che Lei ha già.

Elenchi vuoti, numeri non finiti e serie oltre la lunghezza o la magnitudine pubblicate falliscono allo stesso modo, con un messaggio a livello di campo, e non vengono addebitati.

Dove l'MSE entra nello studio, nella scienza, nel prodotto e nei resoconti

Gli studenti incontrano l'errore quadratico medio quando un corso di statistica o di apprendimento automatico passa dai residui a un solo numero di perdita che punisce gli scarti grandi più di quelli piccoli. I docenti possono preparare chiavi di risposta per serie accoppiate modeste senza fidarsi di applicazioni opache che arrotondano i quadrati intermedi in altro modo o nascondono se hanno usato n, n meno uno o n meno due al denominatore.

I gruppi di laboratorio e di ingegneria usano l'MSE per confrontare la previsione di un sensore con letture successive, una predizione di taratura con risposte misurate, o un modello di base con un insieme di riserva che esiste già come due colonne. I team di prodotto e di analitica osservano l'MSE di previsioni di latenza, predizioni di domanda o modelli di punteggio quando la perdita documentata è l'errore al quadrato e serve un numero che coincida con la perdita ottimizzata.

Chi ricerca riporta l'MSE accanto al MAE così chi legge vede sia la perdita in unità al quadrato sia il compagno in scala lineare. Lo abbini al calcolatore di deviazione media assoluta quando vuole la dispersione lineare di una serie rispetto alla propria media, e al calcolatore dell'errore standard della stima quando la domanda è la dimensione residuale intorno a una retta adattata, non l'errore quadratico medio di due serie date.

Se i due elenchi non si allineano, corregga prima l'accoppiamento: questo calcolatore non inventerà osservazioni mancanti né scarterà extra in silenzio.

Compiti e laboratori di modelli

Calcoli l'MSE di serie da manuale previsto contro reale così gli studenti riportano la media dei residui al quadrato con la definizione corretta di divisione per n.

Valutazione di previsioni e sensori

Punteggi previsioni, tarature e predizioni di riserva rispetto ai valori osservati quando la perdita documentata è l'errore quadratico medio.

Quanto costa il calcolatore MSE?

È gratuito nel Suo browser in questa pagina.

Si divide per n o per n meno uno?

Per n. Questa è la definizione consueta di apprendimento automatico e di regressione MSE = (1/n) Σ (ŷᵢ − yᵢ)², non la varianza residuale né il quadrato medio dell'ANOVA.

In che cosa differisce dalla MAD o dall'errore standard della stima?

La MAD qui è la dispersione di un solo campione rispetto alla media dell'elenco. Il SEE è la dimensione residuale intorno a una retta adattata. Questa pagina confronta due serie date e restituisce il loro errore quadratico medio.

Il risultato è esatto per ogni insieme di dati?

I risultati sono deterministici per la stessa entrata; serie molto grandi possono mostrare i limiti ordinari della doppia precisione.

Perché un solo errore grande fa salire così tanto l'MSE?

Perché ogni scarto viene elevato al quadrato: un errore di 2 vale 4, mentre uno di 1 vale soltanto 1. Per questo gli errori grandi dominano la media, a differenza dell'errore assoluto medio.

Tutto quello che vedi in questa pagina è disponibile anche via API. Questa sezione è per i team che vogliono integrarlo nei propri sistemi; chi non ne ha bisogno può semplicemente usare lo strumento qui sopra.

POSThttps://api.kit.forhosting.com/stat/mse

Autenticazione con Bearer token: un POST mette in coda l'attività e il risultato arriva via webhook o link firmato.

curl -X POST https://api.kit.forhosting.com/stat/mse \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"predicted":[2.5,0,2.1,7.8],"actual":[3,-0.5,2,7.5]}'
{
  "predicted": [
    2.5,
    0,
    2.1,
    7.8
  ],
  "actual": [
    3,
    -0.5,
    2,
    7.5
  ]
}
{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "stat.mse",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

L'API è asincrona: ricevi subito un task_id e puoi fare polling fino a 1 richiesta al secondo.

per richiesta$0.002

Prezzo pubblicato, senza token né crediti. Se l'attività fallisce, non paghi.

max_n10000
max_abs1000000000000000
HTTPCodiceSignificato
401unauthorizedChiave API mancante o non valida: controlla l'header Authorization.
402insufficient_balanceCredito esaurito: ricarica per continuare a eseguire attività.
404unknown_typeTipo di attività sconosciuto: controlla il campo type della richiesta.
429rate_limitedTroppe richieste in poco tempo: rallenta e riprova tra qualche secondo.

Serie di lunghezze diverse vengono rifiutate con invalid_input, perché l'accoppiamento sarebbe ambiguo. Lo usi gratuitamente nel browser di questa pagina, oppure chiami l'API a $0.002 per richiesta andata a buon fine quando Le serve lo stesso MSE in uno script, in un test unitario o in una canalizzazione di valutazione dei modelli.

Che cosa misura l'errore quadratico medio e in che cosa differisce da MAD, SEE e dall'MSE dell'ANOVA

Serie di lunghezze diverse vengono rifiutate con invalid_input perché l'accoppiamento sarebbe ambiguo.

Come si leggono gli ingressi accoppiati e come gira l'algoritmo dell'MSE

Ogni elemento viene interpretato come un decimale finito; segni iniziali facoltativi e notazione scientifica sono ammessi, mentre gettoni vuoti, lettere isolate, Infinity e NaN falliscono con un indice di campo nel messaggio, così una cella difettosa non diventa mai uno zero silenzioso. Restituire n, SSE, MSE e una breve stringa di formula consente a uno studente o a un revisore di controllare l'aritmetica a mano ed evita l'errore consueto del foglio di calcolo di dividere i quadrati residuali per n meno uno o per n meno due. Questa è la definizione consueta di apprendimento automatico e di regressione dell'errore quadratico medio, non la varianza residuale né la radice dell'errore quadratico medio. I campi preferiti sono predicted e actual, ciascuno un elenco di numeri finiti di uguale lunghezza con almeno una coppia. Si accettano alias come y_hat, y_pred, forecasts e estimates per la serie prevista, e y, y_true, observed, observations e targets per la serie reale, così fogli di calcolo, moduli tipizzati e script più vecchi riutilizzano lo stesso contratto senza rinominare colonne. Si accetta anche, per ciascuna serie, una sola stringa di numeri separati da virgole, punti e virgola o spazi quando un modulo invia testo semplice invece di un elenco JSON. Il motore impone un massimo rigido di diecimila coppie e un tetto di magnitudine per valore, così memoria e latenza restano in un bilancio prevedibile sul percorso gratuito del browser e sul Worker di bordo. Il calcolo è un'unica passata deterministica: a ogni indice allineato il residuo è predicted meno actual, quel residuo viene elevato al quadrato, i quadrati si accumulano nella somma degli errori al quadrato SSE, e l'MSE è SSE diviso per n. Abbini l'esecuzione gratuita del browser in questa pagina all'API a pagamento quando Le serve il risultato descrittivo identico dentro una canalizzazione automatizzata, senza reimplementare Lei stesso la media degli errori al quadrato.

Dove l'MSE entra nello studio, nella scienza, nel prodotto e nei resoconti

In questa pagina il lavoro gira per intero nel Suo browser; tramite l'API ogni consultazione andata a buon fine costa $0.002, la convalida fallita non viene addebitata e nulla resta memorizzato dopo il ritorno della risposta. Quella scissione —esplorazione interattiva gratuita e un'API a pagamento identica— Le consente di passare da una dimostrazione d'aula a una canalizzazione automatizzata senza cambiare il risultato matematico.

Fixture deterministici di integrazione

Generi un MSE, un SSE e un conteggio di coppie riproducibili per test unitari e cancelli di valutazione dei modelli, senza tenere a mano tabelle di residui.

Che succede se gli elenchi predicted e actual hanno lunghezze diverse?

Il calcolatore rifiuta quel caso con invalid_input. L'accoppiamento sarebbe ambiguo, quindi nessun MSE viene inventato e la richiesta non viene addebitata.

Leggi la documentazione completa del KIT →