使用R语言计算均方误差（Mean Squared Error，MSE）

使用R语言计算均方误差（Mean Squared Error，MSE）

均方误差（MSE）是评估回归模型预测结果与实际观测值之间差异的常用指标。本文将介绍如何在R语言中计算MSE，并提供相应的源代码示例。

假设我们有一组实际观测值和对应的预测值，我们可以使用以下公式计算MSE：

MSE = (1/n) * Σ(yᵢ - ŷᵢ)²

其中，n表示观测值的数量，yᵢ是实际观测值，ŷᵢ是对应的预测值。

下面是一个计算MSE的示例代码：

# 创建实际观测值和预测值向量
actual <- c(2, 4, 6, 8, 10)
predicted <- c(1.5, 3.5, 5.5, 7.5, 9.5)

# 计算观测值数量
n <- length(actual)

# 计算每个观测值的差异，并求平方
diff <- actual - predicted
squared_diff <- diff^2

# 计算MSE
mse <- sum(squared_diff) / n

# 打印结果
print(mse)

在上面的示例中，我们首先创建了实际观测值向量actual和对应的预测值向量predicted。然后，我们使用length()函数计算了观测值的数量&#