Estoy evaluando un modelo físico y me gustaría saber cuál de los métodos debería usar aquí (entre RMSE y Coeficiente de Determinación R2)
El problema es el siguiente: tengo una función que genera predicciones para el valor de entrada x, $\overline{y_x}= f(x)$. También tengo la observación real para ese valor que llamo $y_x$.
Mi pregunta es cuáles son los pros y los contras de RMSE o $R^2$. He visto que ambos se utilizan en documentos para el problema en el que estoy trabajando.
En realidad, para los científicos estadísticos deben saber el mejor ajuste del modelo, entonces RMSE es muy importante para esas personas en su investigación robusta.si RMSE está muy cerca de cero, entonces el modelo es el más adecuado.
El coeficiente de determinación es bueno para otros científicos como la agricultura y otros campos. Es un valor entre 0 y 1. Si es 1, el 100% de los valores coincide con los conjuntos de datos observados. Si es 0 , entonces los datos son completamente heterogéneos.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
