# Hiểu về RMSE – Root Mean Squared Error trong XGBoost

#### **1. RMSE là gì?**

**RMSE (Root Mean Squared Error)** – là **căn bậc hai của trung bình bình phương sai số**, dùng để đo **mức độ sai lệch giữa giá trị thực tế và giá trị dự đoán của mô hình**.

> 📌 RMSE càng thấp → mô hình càng chính xác.

#### **2. Khi nào dùng RMSE?**

RMSE thường được dùng khi bạn giải quyết bài toán **hồi quy** – tức là khi **biến mục tiêu (Y)** là **liên tục**, ví dụ:

- Dự đoán giá nhà
- Dự đoán doanh thu
- Dự đoán nhiệt độ, v.v.

#### **3. Công thức RMSE:**

[![image.png](https://docs.vhterp.com/uploads/images/gallery/2025-05/scaled-1680-/zrDimage.png)](https://docs.vhterp.com/uploads/images/gallery/2025-05/zrDimage.png)

#### **4. Trực quan hóa RMSE**

Hãy tưởng tượng:

- Bạn có trục X và trục Y.
- Đường thẳng màu xanh biểu diễn **mô hình dự đoán**.
- Các **dấu chấm** là **giá trị thực tế**.
- **Mũi tên từ chấm tới đường thẳng** chính là **sai số (error)**.
- RMSE là **trung bình độ dài của các mũi tên đó**, rồi lấy căn bậc hai.

#### **5. Ví dụ cụ thể**

Giả sử bạn đang dự đoán điểm thi của học sinh, và bạn có:

[![image.png](https://docs.vhterp.com/uploads/images/gallery/2025-05/scaled-1680-/O4aimage.png)](https://docs.vhterp.com/uploads/images/gallery/2025-05/O4aimage.png)

#### **6. RMSE bao nhiêu là tốt?**

Không có “một con số tuyệt đối” nào cho RMSE tốt, vì:

- Phụ thuộc vào **phạm vi dữ liệu** (ví dụ: sai lệch 10 là lớn nếu điểm thi từ 0–10, nhưng nhỏ nếu doanh thu tính bằng triệu đô).
- Phụ thuộc vào **độ khó của bài toán**.

→ 📌 Hãy so sánh RMSE của **mô hình hiện tại với các mô hình khác** để đánh giá.

#### **7. RMSE trong XGBoost**

XGBoost tự động **tối ưu hóa để giảm RMSE** (hoặc một hàm lỗi tương tự) trong quá trình huấn luyện khi bạn dùng cho bài toán hồi quy.

#### **Tóm tắt:**

<div class="_tableContainer_16hzy_1" id="bkmrk-n%E1%BB%99i-dung-%C3%9D-ngh%C4%A9a-rms"><div class="_tableWrapper_16hzy_14 group flex w-fit flex-col-reverse" tabindex="-1"><table class="w-fit min-w-(--thread-content-width)" data-end="3241" data-start="2727" style="width: 101.667%; height: 148.984px;"><thead data-end="2813" data-start="2727"><tr data-end="2813" data-start="2727" style="height: 29.7969px;"><th data-col-size="sm" data-end="2761" data-start="2727" style="width: 44.0385%; height: 29.7969px;">Nội dung</th><th data-col-size="md" data-end="2813" data-start="2761" style="width: 55.9615%; height: 29.7969px;">Ý nghĩa</th></tr></thead><tbody data-end="3241" data-start="2899"><tr data-end="2984" data-start="2899" style="height: 29.7969px;"><td data-col-size="sm" data-end="2932" data-start="2899" style="width: 44.0385%; height: 29.7969px;">RMSE</td><td data-col-size="md" data-end="2984" data-start="2932" style="width: 55.9615%; height: 29.7969px;">Đo sai số trung bình giữa thực tế và dự đoán</td></tr><tr data-end="3070" data-start="2985" style="height: 29.7969px;"><td data-col-size="sm" data-end="3018" data-start="2985" style="width: 44.0385%; height: 29.7969px;">Thích hợp cho</td><td data-col-size="md" data-end="3070" data-start="3018" style="width: 55.9615%; height: 29.7969px;">Bài toán hồi quy</td></tr><tr data-end="3156" data-start="3071" style="height: 29.7969px;"><td data-col-size="sm" data-end="3103" data-start="3071" style="width: 44.0385%; height: 29.7969px;">RMSE nhỏ hơn → mô hình tốt hơn</td><td data-col-size="md" data-end="3156" data-start="3103" style="width: 55.9615%; height: 29.7969px;">Đúng, nhưng cần phụ thuộc vào ngữ cảnh</td></tr><tr data-end="3241" data-start="3157" style="height: 29.7969px;"><td data-col-size="sm" data-end="3189" data-start="3157" style="width: 44.0385%; height: 29.7969px;">Dùng để</td><td data-col-size="md" data-end="3241" data-start="3189" style="width: 55.9615%; height: 29.7969px;">So sánh giữa các mô hình</td></tr></tbody></table>

</div></div>**Tác giả: Đỗ Ngọc Tú**  
**Công Ty Phần Mềm [VHTSoft](https://vhtsoft.com/ "Công Ty Phần Mềm VHTSoft")**