sse是误差平方和。
该统计参数计算的是拟合数据和原始数据对应点的误差平方和,计算公式如下:SSE=Σ(Y^-Y)^2。SSE越趋近于0,说明模型选择的拟合度越好,预测结果越好。RMSE和MSE的一样也是越趋近于0,模型选择的拟合度越好。
离差平方和(Sum of Squares of Deviations)是各项与平均项之差的平方的总和。定义是设x是一个随机变量,令η=x-Ex, 则 称 η为x的离差,它反映了x与其数学期望Ex的偏离程度。
离差平方和与方差的关系:根据数学期望的性质,离差的数学期望总是等于0,没有实用价值通常用随机变量x 离差的平方的数学期望来描述随机变量x的分布的分散程度。
离差平方和分解:统计学的实践表明,于某一特性量经过多次试验的结果,一般不会是同一数值,是彼此有差异,这种差异反映了这试验受各种条件(称为因素)制约。离差平方和就反映了这种制约因素引起的差异大小。英国统计学家Fisher未解决问题,提出了方差分析的方法。