Cos'è errore quadratico medio?

L'errore quadratico medio (MSE, acronimo di Mean Squared Error) è una metrica utilizzata per misurare la precisione di un modello di previsione o di un algoritmo di apprendimento automatico. È calcolato come la media dei quadrati delle differenze tra i valori previsti e i valori effettivi di un insieme di dati.

L'errore quadratico medio è particolarmente utile quando si vuole valutare la bontà di un modello di regressione. In pratica, si calcola la differenza tra i valori previsti e quelli reali per ciascuna osservazione, si elevano al quadrato queste differenze e si calcola la media di tutti i quadrati ottenuti.

La formula per calcolare l'errore quadratico medio è la seguente:

MSE = 1/n ∑(yᵢ - ŷᵢ)²

dove n è il numero totale di osservazioni, yᵢ è il valore effettivo dell'osservazione i e ŷᵢ è il valore previsto per l'osservazione i.

L'errore quadratico medio può fornire un'indicazione della dispersione dei dati attorno alla linea di regressione o al modello di previsione. Un valore di MSE più basso indica che il modello si adatta meglio ai dati, mentre un valore più alto indica una minore precisione.

Tuttavia, l'errore quadratico medio può anche essere influenzato da valori anomali o outlier nei dati. In alcuni casi, potrebbe essere utile utilizzare un'altra metrica come l'errore assoluto medio (MAE) per valutare la precisione del modello in modo più robusto rispetto a valori anomali.