Calculer la MSE et la RMSE d'un modèle
Comme vous l'avez fait plus tôt avec le \(R^2\), une mesure de l'ajustement du modèle, calculons maintenant l'erreur quadratique moyenne racine (RMSE) de nos modèles, une mesure couramment utilisée de l'erreur de prédiction. Utilisons le modèle du prix en fonction de la taille et du nombre de chambres.
Le modèle est disponible dans votre environnement de travail sous le nom model_price_2.
Cette activité fait partie du cours
Modélisation avec des données dans le tidyverse
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Get all residuals, square them, and take mean
get_regression_points(model_price_2) %>%
mutate(sq_residuals = ___) %>%
summarize(mse = ___(sq_residuals))