计算MSE：为什么这两种方式给出不同的结果？
Calculating MSE: why are these two ways giving different results?
我对 R 中 MSE 的计算有一些疑问。
我尝试了两种不同的方法，但得到了两种不同的结果。想知道找mse的正确方法是哪一个。
第一个：
model1 <- lm(data=d, x ~ y)
rmse_model1 <- mean((d - predict(model1))^2)
第二个：
mean(model1$residuals^2)
原则上，他们应该给你相同的结果。但是在第一个选项中，你应该使用d$x。如果你只使用 d，R 中的 回收规则 将重复 predict(model1) 两次（因为 d 有两列）并且计算也将涉及 d$y.
注意，建议在第一个选项中包含na.rm = TRUE到mean，以及newdata = d到predict。这使您的代码对数据中的缺失值具有鲁棒性。另一方面，您无需担心第二个选项中的 NA，因为 lm 会自动删除 NA 个案例。您可以查看此线程以了解此功能的潜在影响：.
我对 R 中 MSE 的计算有一些疑问。
我尝试了两种不同的方法，但得到了两种不同的结果。想知道找mse的正确方法是哪一个。
第一个：
model1 <- lm(data=d, x ~ y)
rmse_model1 <- mean((d - predict(model1))^2)
第二个：
mean(model1$residuals^2)
原则上，他们应该给你相同的结果。但是在第一个选项中，你应该使用d$x。如果你只使用 d，R 中的 回收规则 将重复 predict(model1) 两次（因为 d 有两列）并且计算也将涉及 d$y.
注意，建议在第一个选项中包含na.rm = TRUE到mean，以及newdata = d到predict。这使您的代码对数据中的缺失值具有鲁棒性。另一方面，您无需担心第二个选项中的 NA，因为 lm 会自动删除 NA 个案例。您可以查看此线程以了解此功能的潜在影响：