Для вычисления MSEc (Mean Squared Error по константной модели) нужно вычислить среднюю квадратичную ошибку между значениями целевой переменной и константным предсказанием.

Пусть у нас есть набор исходных значений целевой переменной: y1, y2, ..., yn. И константное предсказание: c.

MSEc = (1/n) * Σ(yi - c)^2, где i = 1 до n

Так как константное предсказание равно c для всех объектов, то можно записать упрощенную формулу для MSEc:

MSEc = (1/n) Σ(yi - c)^2 = (1/n) Σ(yi - c)^2 = (1/n) Σ(yi - c)^2 = (1/n) Σ(yi - c)^2 = (1/n) Σ(yi - c)^2 = (1/n) Σ(yi - c)^2 = (1/n) Σ(yi - c)^2 = (1/n) Σ(yi - c)^2 = (1/n) * Σ(yi - c)^2

Таким образом, MSEc равен (1/n) * Σ(yi - c)^2 для всех объектов в наборе данных.

Например, если у нас есть значения целевой переменной: [5, 8, 12, 4, 6] и константное предсказание: c = 7, то MSEc будет равно:

MSEc = (1/5) [(5-7)^2 + (8-7)^2 + (12-7)^2 + (4-7)^2 + (6-7)^2] = (1/5) [4 + 1 + 25 + 9 + 1] = 8

Таким образом, MSEc для данного набора данных и константной модели равно 8.