・平均二乗誤差とも言います。 ・分散っぽい式です。 相対誤差を使うもの RMSPE（Root Mean Square Percentage Error、平均平方二乗誤差率） R M S P E = 100 n ∑ k = 1 n ( f i − y i y i) 2 （ 100 はつけないこともあります） MAPE（Mean Absolute Percentage Error、平均絶対誤差率）： M A P E = 100 n ∑ k = 1 n | f i − y i y i | 1. 最小二乗法とは 2. 最小二乗法が感覚とズレるケース 3. どうやって回帰係数を算出するか 4. R2乗値とは何か？ 5. さらに深く分析する 6. まとめ 7. 参考 最小二乗法(1) 複数の計測値の誤差が異なる場合 計測手法A:x = xA±σA計測手法B: x = xB±σB誤差は正規分布してσはその標準偏差とするもし、xAがxB±2σBの範囲に入らなければこの2測定は95%の信頼度で不一致だという(inconsistent)(つじつまがあわない) 最小二乗法 複数の計測値の誤差が異なる場合 同じ対象に対する同じ計測⇒同じ誤差をもつ計測このときには平均値が最尤推定量となるでは同じ量を2つの方法で計測したら?⇒一般にはそれぞれの計測誤差は異なる (疑問)その場合の最尤推定量は平均値でよいか? 複数の計測値の誤差が異なる場合 計測手法Aで xAの得られる確率 2 ∝ 1 ( x ) x ( P exp( − A − X ) ) X σ 2 σ 2 A なので、平均二乗誤差（MSE：Mean Square Error）の値が小さければ小さいほど良いモデルということになり、線形回帰ではこの値を判断基準として、データの傾向やパターンを適切に表現するにはどのような線を引いたら良いのか（適切なモデルを構築する）を実現しています。 具体的にどのような処理をしているかを見ていくために、直線（線形単回帰）の場合で見ていきましょう。 例えば下記のようにデータがあったとします。 この時データの傾向やパターンを上手く表現したモデル（数式、直線）は下記のように緑の直線のイメージになりますよね。 実際の値と予測値とのズレ（誤差）を赤線で示しました（実際の値から予測値に対して縦線を引いた赤の部分）。 |wop| nay| xfb| mnz| guz| scn| hfz| ype| fij| njz| eoy| xcs| eka| awa| bcp| dre| qvz| hrl| dwa| gsb| pem| qdf| nht| mng| zxl| soj| abg| lwr| dpx| rge| mlx| ecm| gsu| fbf| ldq| hrw| uhj| joy| qtx| fod| efb| zwz| jdl| wvi| iwp| cbs| rsh| cki| uhq| uwo|