R语言中的均方根误差（RMSE）

R语言中的均方根误差（RMSE）

均方根误差（Root Mean Square Error，简称RMSE）是一种常用的评估模型预测性能的指标。它用于衡量实际观测值与模型预测值之间的差异程度。在R语言中，我们可以使用简单的代码计算RMSE，并将其应用于回归模型的评估。

首先，我们需要准备一组实际观测值和对应的模型预测值。假设我们有以下数据：

# 实际观测值
actual <- c(2, 5, 9, 12, 15)

# 模型预测值
predicted <- c(3, 6, 8, 11, 14)

接下来，我们可以使用以下代码计算RMSE：

# 计算均方根误差（RMSE）
rmse <- sqrt(mean((actual - predicted)^2))
rmse

代码解释：

1. 我们使用了R中的mean函数来计算平均平方误差（MSE）。首先，我们计算了实际观测值与模型预测值之间的差异，即(actual - predicted)。

2. 接着，我们使用^2对差异进行平方，得到每个观测值的平方误差。

3. 然后，我们使用mean函数计算平均平方误差。

4. 最后，我们使用sqrt函数对平均平方误差进行平方根运算，得到了均方根误差（RMSE