RÉGRESSION / 08 · EXERCICE

MSE et RMSE : du carré à l’unité d’origine

MSE signifie Mean Squared Error : moyenne des carrés des résidus. RMSE en prend la racine carrée.

EXPLICATION DU CODE

Pour CO₂, y est en g/km : la MSE est en (g/km)² et la RMSE en g/km. La RMSE n’est pas la moyenne des erreurs absolues.

\mathrm{MSE}=\frac1n\sum_i e_i^2,\qquad\mathrm{RMSE}=\sqrt{\frac1n\sum_i e_i^2}

Minimiser MSE ou RMSE conduit au même optimum ; leurs unités diffèrent.

Exemple expliqué

1
```
erreurs = y - y_hat
```
Un résidu par observation.
2
```
mse = np.mean(erreurs**2)
rmse = np.sqrt(mse)
```
Calculs vectorisés : carrés, moyenne, puis racine.

Exemple de référence · La consultation conserve le crédit de l’exercice.

EXERCICE / PYTHON

Code à compléter

Calculer erreurs, mse et rmse, puis afficher les deux métriques avec leurs unités.

Code Python · Maj + Entrée pour valider · Début fourni

Saisie autonome · crédit complet après réussite

Le résultat apparaîtra ici.

Session Python

Les variables restent disponibles entre les pages. Un rechargement efface les variables ; le code et l’utilisation de l’aide restent enregistrés dans cet onglet.

MSE et RMSE : du carré à l’unité d’origine

Exemple expliqué

Code à compléter

Parcours · chapitres

01 / Rappels de Python

02 / Classes et objets en Python

03 / Pandas et DataFrames

04 / Régression linéaire et métriques

05 / Régressions multiple et polynomiale

06 / Évaluer les modèles

07 / KNN et normalisation