Come si usa
- Inserisci i due elenchi nell'ordine corrispondente: il primo numero di un elenco appartiene al primo dell'altro. Mantieni un'unità coerente in ciascun elenco e rimuovi intestazioni o simboli delle unità.
- Usa spazi, virgole o punti e virgola tra i numeri e il punto per i decimali, come 1.5. Una virgola inizia sempre un altro valore, anche quando la lingua visualizzata usa la virgola decimale. È accettata la notazione scientifica, come 2e-3.
- Risultati e grafici si aggiornano appena entrambi gli elenchi sono validi. Dati incompleti o non corrispondenti lasciano vuoti i risultati. Premi Calcola per vedere la spiegazione di un errore di inserimento.
- Copia risultati copia il riepilogo numerico come testo. Cancella svuota valori e risultati. Il grafico è una spiegazione sullo schermo; lo strumento non esporta immagini o file di dati.
Esempio
Quanto erano lontane le previsioni? Errore = reale − previsto. Sopra zero la previsione era troppo bassa; sotto zero era troppo alta.
e = Valori reali − Valori previsti · RMSE = √(Σe² / n)
Valori reali: 3 5 7 · Valori previsti: 2 5 9
Errori: 1, 0, −2 · RMSE ≈ 1.29 · MAE = 1
I campi iniziano con questo esempio. Modificali per usare i tuoi dati, poi calcola.
Cosa significano i risultati
Usa questo calcolatore quando disponi già di valori osservati e previsioni corrispondenti. Ne riassume le differenze senza addestrare o scegliere un modello. È utile per controllare un foglio di lavoro, confrontare previsioni sulle stesse osservazioni di verifica o capire quali grandi scostamenti determinano un indicatore di errore.
L'errore con segno è e = reale − previsto. Un errore positivo indica una previsione troppo bassa; uno negativo una previsione troppo alta. SSE = Σ(e²), MSE = SSE / n, RMSE = √MSE e MAE = Σ|e| / n. Ogni coppia ha lo stesso peso.
SSE misura l'errore quadratico totale e normalmente cresce includendo più previsioni imperfette. MSE divide quel totale per il numero di coppie, mentre RMSE torna all'unità di misura originale. MAE è lo scostamento assoluto medio nella stessa unità e dà ai grandi errori meno peso rispetto all'elevazione al quadrato.
Il grafico degli errori mostra un punto per coppia e un segmento fino alla linea dello zero. L'asse orizzontale segue l'ordine inserito, non una scala temporale. Errori positivi e negativi alternati possono avere media zero senza che alcuna previsione sia accurata; le quattro metriche non negative evitano tale compensazione.
Esempi svolti
Reali = 3, 5, 7 e previsti = 2, 5, 9 danno errori 1, 0, −2. SSE = 5, MSE ≈ 1.67, RMSE ≈ 1.29 e MAE = 1. La prima previsione è troppo bassa e la terza troppo alta. Solo la seconda coppia si trova sulla linea dello zero.
Reali = 10, 20 e previsti = 12, 18 danno errori −2 e 2. La loro media con segno è zero, ma SSE = 8, MSE = 4, RMSE = 2 e MAE = 2. Se invece l'elenco previsto coincide esattamente con quello reale, tutti e quattro gli indicatori sono zero.
Input, precisione e output
Confronta i punteggi dei modelli usando le stesse osservazioni, unità e periodo di valutazione. Un punteggio più basso è migliore per quella metrica su quei dati, ma non è una soglia universale di qualità. Cambiare unità cambia i punteggi; aggiungere osservazioni più facili può migliorare una media. Usa dati non impiegati per adattare il modello quando ne stimi le prestazioni su nuovi casi.
Entrambi gli elenchi devono contenere lo stesso numero di valori, da 2 a 200. Voci mancanti, testo, NaN e infinito vengono rifiutati. Zero, numeri negativi e valori ripetuti sono ammessi. Rimuovi un'osservazione mancante da entrambi gli elenchi, invece di spostarne uno solo.
I valori assoluti non nulli devono essere tra 1e-100 e 1e100. I calcoli usano numeri in virgola mobile del browser, con circa 15–16 cifre significative. Voci distinte che diventano lo stesso numero memorizzato vengono rifiutate; riduci uno scostamento comune o scegli unità più adatte prima di riprovare.
La maggior parte dei risultati mostra al massimo due decimali. I piccoli valori non nulli usano la notazione scientifica e i calcoli mantengono valori intermedi non arrotondati. Gli assi traslati o riscalati mostrano esplicitamente come recuperare i valori originali, così piccole differenze restano visibili anche su una base grande.
Domande frequenti
Perché MSE viene diviso per n anziché n − 2?
La pagina valuta previsioni fornite usando la media degli errori al quadrato. Una stima della varianza del rumore di regressione può invece usare i gradi di libertà residui: è un altro compito statistico, diverso da questo MSE.
Posso confrontare SSE tra elenchi di lunghezze diverse?
Di solito non direttamente. SSE somma ogni scostamento al quadrato, quindi risente della dimensione del campione. Le metriche medie riducono tale effetto, ma un confronto corretto richiede comunque casi, unità e pesi equivalenti.
Perché RMSE può essere molto maggiore di MAE?
L'elevazione al quadrato dà più influenza agli scostamenti grandi prima di estrarre la radice. Una grande differenza può indicare pochi errori rilevanti. Esamina grafico e coppie originali senza affidarti a un solo riepilogo.
Sono validi zeri, valori reali negativi o elenchi costanti?
Sì. Nessuna di queste formule divide per un valore reale, quindi zero e valori reali negativi sono supportati. Non sono previsti MAPE, errore percentuale, adattamento del modello, caricamento CSV o imputazione automatica di valori mancanti.