RSE和MSE之间的区别是什么?

RSE是残差标准偏差的估计值,因此也是观测值的估计值。这就是为什么它等于RSS/df。在你的例子中,作为一个简单的线性模型,df=2。

MSE是在模型中观察到的均方误差,通常使用测试集来计算,以比较拟合模型的预测精度。因为我们关心的是模型的平均误差,所以我们除以n。

我认为RSE MSE(即RSE是MSE的一部分)。 和MSE=RSS/自由度

单个数据集(X1,X2,…Xn)的MSE将是RSS over N 或者更准确地说是RSS/N-1 (因为当你用完了所有的自由后,你的变化自由将减少一个)

但在关于X和Y的二项线性回归中,自由度同时受X和Y的影响,因此N-2 因此,yr MSE=RSS/N-2 也可以称之为RSE

在过参数化模型中,意味着一个具有多个ßs的集合(超过2个术语| y ~ß0+ß1*X+ß2*X…),甚至可以通过减少分母(包括参数数量)来惩罚模型: MSE=RSS/N-p(p是拟合参数的数量)