Root Mean Squared Error

Der Root Mean Squared Error (RMSE) ist ein Gütemaß für Vorhersagemodelle, das die durchschnittliche Größe der Vorhersagefehler berechnet, indem die quadrierten Abweichungen zwischen vorhergesagten und tatsächlichen Werten gemittelt und anschließend die Quadratwurzel gezogen wird. Durch die Quadrierung werden große Fehler stärker gewichtet, weshalb der RMSE besonders geeignet ist, wenn größere Abweichungen als besonders problematisch gelten.(vgl. Andrae 2023, S. 39)

Beispiel: Angenommen, ein Modell sagt die täglichen Temperaturen mit 18 °C, 20 °C und 25 °C voraus, während die tatsächlichen Werte 20 °C, 21 °C und 22 °C betragen. Die Abweichungen werden quadriert, gemittelt und daraus die Quadratwurzel gezogen, sodass große Vorhersagefehler – wie beim dritten Wert – stärker ins Gewicht fallen und der RMSE zeigt, wie stark das Modell insgesamt von den realen Temperaturen abweicht.

Andrae, S. (2023): Ökonometrie und maschinelles Lernen. Basiswissen für Ökonomen. Wiesbaden: Springer Gabler