Среднеквадратичная ошибка (MSE) в машинном обучении измеряет среднее квадратичное отклонение предсказанных значений от истинных. 3

Некоторые области применения MSE:

• Задачи регрессии, где цель состоит в минимизации ошибок в предсказаниях. 1
• Ситуации, когда нужно подчеркнуть большие ошибки и выбрать модель, которая даёт меньше больших ошибок прогноза. 2 Грубые ошибки становятся заметнее за счёт того, что ошибку прогноза возводят в квадрат. 2
• Сравнение двух моделей или контроль качества во время обучения. 2

Интерпретация результатов: чем меньше значение MSE, тем лучше. 35 Это свидетельствует о том, что модель лучше приближает фактические данные. 5 Высокое значение MSE указывает на большие различия между фактическими и предсказанными значениями, что может свидетельствовать о неэффективности модели. 5

Пример использования: есть модель, которая предсказывает температуру воздуха на основе различных метеорологических параметров. 1 MSE в таком случае используется для измерения точности предсказаний модели. 1