機器學習基礎

4筆資料的實際值為3、5、2、6,模型的預測值分別為2、5、4、4時,均方誤差(MSE)為何者?

  1. A1.25
  2. B2.25
  3. C9
查看答案與解析

正確答案:B. 2.25

各筆資料的誤差(實際值 − 預測值)為1、0、−2、2。MSE是誤差平方的平均,因此為 (1 + 0 + 4 + 4) ÷ 4 = 2.25。誤差絕對值的平均,即平均絕對誤差(MAE),為 (1 + 0 + 2 + 2) ÷ 4 = 1.25。MSE會將誤差平方,因此比MAE更容易受到大幅偏離之資料(離群值)的影響。

  • A. 這是平均絕對誤差(MAE)的值。
  • B. 正確。(1 + 0 + 4 + 4) ÷ 4 = 2.25。
  • C. 這是誤差平方的總和,沒有除以資料筆數4。
練習這個領域 前往領域頁面

相關計算工具

機器學習基礎的其他題目

  1. 以最小平方法將直線 y = ax + b 擬合到3筆資料 (x, y) = (1, 3)、(2, 4)、(3, 8)。x = 4 時的預測值為何者?
  2. 在邏輯斯迴歸中,將 z = 2x − 4 代入S型函數 σ(z) = 1 ÷ (1 + e^(−z)) 所得的值,作為陽性的機率輸出。x = 2 時的輸出為何者?
  3. 決策樹的某個節點中,有類別A的資料6筆、類別B的資料4筆。此節點的吉尼不純度為何者?
  4. 下列關於集成學習中裝袋法(Bagging,例如隨機森林)與提升法(Boosting)之差異的敘述,何者適當?
  5. 以k最近鄰法預測二維點 (0, 0) 的類別。訓練資料為紅色的點 (1, 0)、(3, 0)、(0, −3) 與藍色的點 (0, 2)、(−2, 1)。以歐幾里得距離計算時,k = 3 與 k = 5 的預測組合何者正確?