Error cuadrático medio (RMSE)

Métrica de evaluación para modelos de regresión que mide, en las mismas unidades que la variable original, qué tan lejos están en promedio las predicciones de los valores reales.

Evaluación de modelosRegresión

El RMSE (Root Mean Squared Error) calcula la raíz cuadrada del promedio de las diferencias al cuadrado entre cada predicción y su valor real correspondiente, penalizando de forma más severa los errores grandes que los errores pequeños.

Su diferencia con el error absoluto medio

Al elevar al cuadrado las diferencias antes de promediarlas, el RMSE castiga desproporcionadamente los errores grandes en comparación con el MAE, lo que lo hace más apropiado cuando cometer un error muy grande en una sola predicción es considerablemente peor que cometer varios errores moderados.

Términos relacionados

Machine Learning

Función de pérdida

Función matemática que mide qué tan lejos están las predicciones de un modelo respecto a los valores reales, y que el entrenamiento busca minimizar.

Leer más Machine Learning

Error absoluto medio (MAE)

Métrica de evaluación para modelos de regresión que calcula el promedio de las diferencias absolutas entre las predicciones y los valores reales.