如何在R中计算回归树的均方误差？（葡萄酒数据集场景）

问题场景 #

基于rpart包构建了两个回归树模型（arbol0仅以chlorides为特征，arbol1以chlorides+density为特征），需要计算均方误差（MSE）对比模型性能，此前手动计算过程出错。

优化预测值获取 #

无需手动构造newdata，直接传入原训练数据集即可获取预测值，代码更简洁且不易出错：

# 获取arbol0的预测值
pred_arbol0 <- predict(arbol0, vinos, type = "anova")
# 获取arbol1的预测值
pred_arbol1 <- predict(arbol1, vinos, type = "anova")

手动计算MSE的正确代码 #

MSE为真实值与预测值差值的平方的平均值，直接通过向量运算完成计算：

# 计算arbol0的MSE
mse_arbol0 <- mean((vinos$quality - pred_arbol0)^2)
# 计算arbol1的MSE
mse_arbol1 <- mean((vinos$quality - pred_arbol1)^2)

# 打印结果
cat("arbol0的MSE：", round(mse_arbol0, 4), "\n")
cat("arbol1的MSE：", round(mse_arbol1, 4), "\n")

便捷计算方法（可选） #

使用caret包的postResample函数可一键输出MSE、RMSE等评估指标：

library(caret)
# 评估arbol0
postResample(pred_arbol0, vinos$quality)
# 评估arbol1
postResample(pred_arbol1, vinos$quality)

内容的提问来源于stack exchange，提问作者slow_learner