Mittlerer quadratischer Fehler vs. mittlerer quadratischer Vorhersagefehler

Was ist der semantische Unterschied zwischen Mean Squared Error (MSE) und Mean Squared Prediction Error (MSPE)?

— Ryan Zotti
quelle

Der Unterschied ist nicht der mathematische Ausdruck, sondern das, was Sie messen.

Der mittlere quadratische Fehler misst den erwarteten quadratischen Abstand zwischen einem Schätzer und dem eigentlichen zugrunde liegenden Parameter:

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

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

Es ist also ein Maß für die Qualität eines Schätzers.

Der mittlere quadratische Vorhersagefehler misst den erwarteten quadratischen Abstand zwischen dem, was Ihr Prädiktor für einen bestimmten Wert vorhersagt, und dem, was der wahre Wert ist:

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

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

Es ist also ein Maß für die Qualität eines Prädiktors.

Das Wichtigste, was zu verstehen ist, ist der Unterschied zwischen einem Prädiktor und einem Schätzer. Ein Beispiel für einen Schätzer wäre die Verwendung der Durchschnittsgröße einer Stichprobe von Personen zur Schätzung der Durchschnittsgröße einer Bevölkerung. Ein Beispiel für einen Prädiktor ist, die Größe der beiden Eltern eines Individuums zu mitteln, um seine spezifische Größe zu erraten. Sie lösen damit zwei sehr unterschiedliche Probleme.

— David Robinson
quelle

Die Wiki-Seite von MSE enthält jedoch auch ein Beispiel für MSE zu Prädiktoren: en.wikipedia.org/wiki/Mean_squared_error

— avocado

Nicht sicher, ob der Schätzer gegen den Prädiktor sinnvoll ist. Beide sind Metriken, die das tatsächliche y gegen f (x) messen, wobei f (x) dazu gedacht ist, y von dem Merkmalsvektor x zu approximieren

— Terence Parr,

Diese Antwort wäre besser, wenn die Möglichkeit angesprochen würde, dass MSE in verschiedenen Kontexten unterschiedliche Bedeutungen haben kann.

— eric_kernfeld