Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >自编R计算MSE(均方误差)[通俗易懂]

自编R计算MSE(均方误差)[通俗易懂]

作者头像
全栈程序员站长
发布于 2022-09-27 01:53:48
发布于 2022-09-27 01:53:48
63800
代码可运行
举报
运行总次数:0
代码可运行

大家好,又见面了,我是你们的朋友全栈君。

基本原理

1.生成关于x1~N(5,3),x2~N(100,10),error~N(0,1) 2.自己定一个实际对线性回归模型,并计算得到真实的y y = 1.5+0.8x1+1.8x2+error 3.对x1,x2 进行线性拟合,当然这里也可以自写函数用最小二乘法原理,进行参数对估计 4.提取的每一个beta1,beta2 5.计算他的均方误差,计算公式

代码

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
k = 100000 # 定义实验次数
beta_x1 = c() # 定义空列
beta_x2 = c()
for (i in 1:k) { 
   
  beta1 = 0.8 # 设置真实系数
  beta2 = 1.8
  x1 = rnorm(100,5,3) # 产生随机数
  x2 = rnorm(100,100,10)
  error = rnorm(100,0,1) # 产生随机误差
  y = 1.5+0.8*x1+1.8*x2+error
  data1 = data.frame(x1,x2,y) # 构建数据框
  res = lm(y~x1+x2,data = data1)
  res = summary(res)
  beta1_r = (res$coefficients[2]-beta1)^2 # 取估计的系数
  beta2_r = (res$coefficients[3]-beta2)^2
  beta_x1 = c(beta_x1,beta1_r) # 追加成向量
  beta_x2 = c(beta_x2,beta2_r)
  
}
MSEx1 = sum(beta_x1)/length(beta_x1) # 求MES的公式
MSEx2 = sum(beta_x2)/length(beta_x2)
message('x1的MES为:',MSEx1)
message('x2的MES为:',MSEx2)

发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/187750.html原文链接:https://javaforall.cn

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
R语言代做编程辅导M3S2 Spring - Assessed Coursework:linear model(附答案)
For this coursework you are required to download a dataset personal to you. Your dataset is available at: http://wwwf.imperial.ac.uk/~fdl06/M3S2_cw_2015/.RData where you must replace with your CID number. Any problems, email me. This dataset contains a dataframe called mydat | it consists of a response y and 3 columns of covariates x1, x2 and x3. Be aware!
拓端
2022/12/14
2960
ISLR_LinearRegression
Simple linear regression Estimating the coefficients Assessing the accuracy of the coeff conference
用户1147754
2018/01/02
1.2K0
ISLR_LinearRegression
如何应对缺失值带来的分布变化?探索填充缺失值的最佳插补算法
本文将探讨了缺失值插补的不同方法,并比较了它们在复原数据真实分布方面的效果,处理插补是一个不确定性的问题,尤其是在样本量较小或数据复杂性高时的挑战,应选择能够适应数据分布变化并准确插补缺失值的方法。
deephub
2024/06/17
5680
如何应对缺失值带来的分布变化?探索填充缺失值的最佳插补算法
R与python实现圆环图 (ggplot2&matplotlib)
​圆环图与饼图类似,也是反映各个部分的占比情况,看各种类型的数据与整体之间的关系。下面将展示一下在R与python中的实现方法。
生信编程日常
2020/04/01
1.2K0
R与python实现圆环图 (ggplot2&matplotlib)
最强总结!8个线性回归核心点!!
那从今天开始,我预计会陆陆续续出一些内容,来论述各个算法的基础核心点,大家感兴趣可以关注起来。
Python编程爱好者
2024/05/13
8370
最强总结!8个线性回归核心点!!
方差、协方差、标准差、均方差、均方根值、均方误差、均方根误差对比分析[通俗易懂]
本文由博主经过查阅网上资料整理总结后编写,如存在错误或不恰当之处请留言以便更正,内容仅供大家参考学习。
全栈程序员站长
2022/11/11
7.7K0
方差、协方差、标准差、均方差、均方根值、均方误差、均方根误差对比分析[通俗易懂]
通俗易懂讲解均方误差 (MSE)「建议收藏」
测量预测值Ŷ与某些真实值匹配程度。MSE 通常用作回归问题的损失函数。例如,根据其属性估算公寓的价格。
全栈程序员站长
2022/11/19
10.2K0
通俗易懂讲解均方误差 (MSE)「建议收藏」
生存模型的time C-index 计算与绘图
C-index 是一致性指数,与AUC值一样是评价模型预测能力的指标,在预后模型里,time-ROC很常见,Time C-index却不咋常见,今天整理一下它的代码。
用户11414625
2024/12/20
800
生存模型的time C-index 计算与绘图
mse均方误差计算公式_视觉SLAM十四讲实践之真实轨迹和估计轨迹均方根误差「建议收藏」
一组数据按大小顺序排列,位于最中间的一个数据 (当有偶数个数据时,为最中间两个数据的平均数) 叫做这组数据的中位数。
全栈程序员站长
2022/11/11
2.5K0
R语言HAR和HEAVY模型分析高频金融数据波动率|附代码数据
在本文中,在学术界和金融界,分析高频财务数据的经济价值现在显而易见。(点击文末“阅读原文”获取完整代码数据)
拓端
2022/11/04
7750
经营之道:怎样经营好一家餐馆?
创业维艰,小本经营的我们也充满了对财富的渴望,绝不是奢求一夜暴富,一本万利,腰缠万贯,我们期望的经营有道,旱涝保收,恰如孟子对曰:“仰足以事父母,俯足以畜妻子,乐岁终身饱,凶年免于死亡” 。
herain
2022/04/27
5020
经营之道:怎样经营好一家餐馆?
Matlab 计算均方误差MSE的三种方法
ytest 测试集y,真实的y值,是一维数组; ytest_fit 基于测试集 x 预测的y值,是一维数组; test_error 是预测误差。
全栈程序员站长
2022/11/11
3K0
R语言缺失值的处理:线性回归模型插补
我们在这里模拟数据,然后根据模型生成数据。未定义将转换为NA。一般建议是将缺失值替换为-1,然后拟合未定义的模型。默认情况下,R的策略是删除缺失值。如果未定义50%,则缺少数据,将删除一半的行
拓端
2020/10/21
3.6K0
数据科学24 | 回归模型-基本概念与最小二乘法
回归分析在统计学中非常重要,目的在于了解两个或多个变量间是否相关、相关方向与强度,并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。回归分析可以帮助人们了解在只有一个自变量变化时因变量的变化量。
王诗翔呀
2020/07/03
4K0
数据科学24 | 回归模型-基本概念与最小二乘法
R语言中使用线性模型、回归决策树自动组合特征因子水平
没有定义一个(连续的)因变量,没有定义一个连续的协变量,也没有定义一个分类变量,此处有十个级别。我们可以使用
拓端
2020/10/21
5530
ADRC例程
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/144311.html原文链接:https://javaforall.cn
全栈程序员站长
2022/08/26
5900
ADRC例程
R语言使用多元AR-GARCH模型衡量市场风险|附代码数据
董事会感到关切的是,公司已连续第五个季度未能实现盈利预期。股东不高兴。罪魁祸首似乎是商品销售成本的波动。
拓端
2022/11/08
3830
特征工程之异常值处理
工作原理:它是先假设一组检测数据只含有随机误差,对其进行计算处理得到标准偏差, 按一定概率确定一个区间,认为凡超过这个区间的误差,就不属于随机误差而是粗大误差, 含有该误差的数据应予以剔除。
用户3577892
2020/06/11
2.5K1
R方和线性回归拟合优度
R方由协变量X解释的结果Y的变化比例通常被描述为拟合优度的度量。这当然看起来非常合理,因为R平方测量观察到的Y值与模型的预测(拟合)值的接近程度。
拓端
2020/07/16
2.3K0
MADlib——基于SQL的数据挖掘解决方案(13)——回归之逻辑回归
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/79217198
用户1148526
2019/05/25
1.4K0
推荐阅读
相关推荐
R语言代做编程辅导M3S2 Spring - Assessed Coursework:linear model(附答案)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验