最小二乗誤差

定義:

$y_i$ を真の値とし,$\hat{y}_i$ を対応する予測値としたとき,与えられたデータセットが $\{ (x_i, y_i) \}_{i=1}^{n}$ である場合,最小自乗誤差[Mean Squared Error, MSE]は次のように定義される.\[ \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2\]

最小自乗誤差平均自乗誤差とも呼ばれる.

与えられたデータセット[実際の値]を 100 とし,予測値は -10,000 から 10,000 に均一に分布するとした場合の最小二乗誤差Pythonで描くと次のようになる.

import numpy as np
import matplotlib.pyplot as plt

# 最小二乗誤差関数の定義
def mean_squared_error(y_true, y_pred):
return (y_true - y_pred)**2

# true value
true_value = 100

# 予測値の範囲を設定
y_pred_range = np.linspace(-10000, 10000, 1000)

# 最小二乗誤差を計算
loss_values = [mean_squared_error(true_value, y_pred) for y_pred in y_pred_range]

# グラフの描画
plt.plot(y_pred_range, loss_values, label='Mean Squared Error')
plt.xlabel('Predicted Value')
plt.ylabel('Mean Squared Error')
plt.title('Mean Squared Error Function')
plt.grid(True)
plt.legend()
plt.show()

Mathematics is the language with which God has written the universe.





















view関数 ヒンジ損失関数 一般化されたシグモイド関数 シグモイド関数 XORゲート ORゲート