錯越大，懲罰越重
所有誤差都不理想，但嚴重程度不盡相同。有時候，巨大的預測誤差比小誤差造成的影響大得多。
「錯越大，懲罰越重」正是均方根誤差（root mean squared error，RMSE）的特性之一。它會將較大的誤差平方，因此比起小誤差，會更嚴厲地懲罰這些離群的錯誤。
RMSE 可用下列公式計算，其中第 \(i\) 個 squared_diff 是第 \(i\) 個誤差的平方。
$$RMSE = \sqrt{\frac{1}{n} \cdot \sum_{i=1} ^n i\text{th squared_diff}}$$
在這個練習中，你將計算你的預測的 RMSE。
在你的工作空間中，已提供上一個練習的結果 test_enriched，也就是測試資料，包含一個新的欄位 .pred，代表模型在樣本外的預測值。
本練習屬於課程
R 的樹狀模型機器學習
練習說明
- 計算預測值與期末成績的逐元素差異，將其平方，並存成
squared_diffs。 - 使用上方公式計算 RMSE，將結果存為
rmse_manual。 - 使用
rmse()函式計算誤差，將結果存為rmse_auto。 - 印出
rmse_manual與rmse_auto，確認兩者相同。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Calculate the squared differences
squared_diffs <- (___ - ___)^___
# Compute the RMSE using the formula
rmse_manual <- ___(1 / ___ * ___)
# Compute the RMSE using a function
rmse_auto <- ___(___,
___,
___)
# Print both errors
___
___