Mean Squared Error (MSE)
Der Mean Squared Error (MSE) ist eine häufig verwendete Verlustfunktion bei Regressionsproblemen, die den durchschnittlichen quadratischen Unterschied zwischen den vorhergesagten und den tatsächlichen Werten misst.
Kategorie: Training, Daten & Fine-Tuning
Als Verlustfunktion quantifiziert der MSE die 'Güte' eines Modells: Ein kleinerer MSE deutet auf ein besseres Modell hin, da die Vorhersagen näher an den tatsächlichen Werten liegen. Er ist besonders nützlich, wenn große Fehler stärker bestraft werden sollen.
Synonyme / Tags
- MSE
- Mittlere quadratische Abweichung
Die ganze Definition im Member Hub braucht ein kostenloses Konto.