Alınan verilerin toplam veriye oranla hatalı veri miktarını ifade eder. Sinyal bağlantısının kalitesini belirlemek için kullanılır. Hata oranı (FER) çok yüksekse (çok fazla hata varsa), bağlantı kesilebilir.
İstatistikte, bir tahmin edicinin (gözlemlenmeyen bir niceliği tahmin etme prosedürünün) ortalama karesel hatası ( MSE ) veya ortalama karesel sapması ( MSD ), hataların karelerinin ortalamasını ölçer; yani, tahmin edilen değerler ile gerçek değer arasındaki ortalama karesel farkı ölçer. MSE, karesel hata kaybının beklenen değerine karşılık gelen bir risk fonksiyonudur. MSE’nin neredeyse her zaman kesinlikle pozitif (ve sıfır değil) olmasının nedeni rastgelelik veya tahmin edicinin daha doğru bir tahmin üretebilecek bilgileri hesaba katmamasıdır. Makine öğreniminde, özellikle ampirik risk minimizasyonunda, MSE, gerçek MSE’nin (gerçek risk: gerçek popülasyon dağılımındaki ortalama kayıp) bir tahmini olarak ampirik riski (gözlemlenen bir veri kümesindeki ortalama kayıp) ifade edebilir.
MSE, bir tahmin edicinin kalitesini ölçen bir değerdir. Öklid mesafesinin karesinden türetildiği için her zaman pozitif bir değerdir ve hata sıfıra yaklaştıkça azalır.
MSE, hatanın ikinci momentidir (köken etrafında) ve bu nedenle hem tahmin edicinin varyansını (tahminlerin bir veri örneğinden diğerine ne kadar geniş bir şekilde dağıldığını) hem de sapmasını (ortalama tahmin edilen değerin gerçek değerden ne kadar uzak olduğunu) içerir. Sapmasız bir tahmin edici için MSE, tahmin edicinin varyansıdır. Varyans gibi, MSE de tahmin edilen niceliğin karesiyle aynı ölçü birimlerine sahiptir. Standart sapmaya bir benzetme olarak, MSE’nin karekökünü almak, tahmin edilen nicelikle aynı birimlere sahip olan kök ortalama kare hatasını veya kök ortalama kare sapmasını (RMSE veya RMSD) verir; sapmasız bir tahmin edici için RMSE, standart hata olarak bilinen varyansın kareköküdür.
Tanım ve temel özellikler
MSE, ya bir tahmin edicinin (yani, rastgele girdileri rastgele bir değişkenin değerlerinden oluşan bir örneklemle eşleştiren bir fonksiyon ) ya da bir tahminleyicinin (yani, veri örneklemini, verilerin örneklendiği popülasyonun bir parametresinin tahminiyle eşleştiren matematiksel bir fonksiyon ) kalitesini değerlendirir . Tahmin bağlamında, tahmin aralığını anlamak da yararlı olabilir, çünkü gelecekteki bir gözlemin belirli bir olasılıkla düşeceği bir aralık sağlar. MSE’nin tanımı, bir tahmin ediciyi mi yoksa bir tahminleyiciyi mi tanımladığımıza göre farklılık gösterir.
