Table 7 Statistical equations for evaluation metrices.

From: Development of machine learning models for forecasting the strength of resilient modulus of subgrade soil: genetic and artificial neural network approaches

\(RMSE=\sqrt{\frac{\sum_{c=1}^{w}{({m}_{c}-{g}_{c})}^{2}}{w}}\)                                                                                                                                                                                 (3)

\(MAE=\frac{\sum_{c=1}^{w}\left|{m}_{c}-{g}_{c}\right|}{w}\)                                                                                                                                                                                 (4)

\(MAE=\frac{\sum_{c=1}^{w}\left|{m}_{c}-{g}_{c}\right|}{w}\)                                                                                                                                                                                 (5)

\(RSE=\frac{\sum_{c=1}^{w}{({g}_{c}-{m}_{c})}^{2}}{\sum_{c=1}^{w}{(\overline{m}-{m}_{c})}^{2}}\)                                                                                                                                                                                 (6)

\(RRMSE=\frac{1}{\left|\overline{\overline{m} }\right|}\sqrt{\frac{\sum_{c=1}^{w}{({m}_{c}-{g}_{c})}^{2}}{w}}\)                                                                                                                                                                                 (7)

\(R=\frac{\sum_{c=1}^{w}({m}_{c}-{\overline{m}}_{c})({g}_{c}-{\overline{g}}_{c})}{\sqrt{\sum_{c=1}^{w}{({m}_{c}-{\overline{m}}_{c})}^{2}\sum_{k=1}^{u}{({g}_{c}-{\overline{g}}_{c})}^{2}}}\)                                                                                                                                                                                 (8)

\(\rho =\frac{RRMSE}{(1+R)}\)                                                                                                                                                                                 (9)

\(MSE=\frac{1}{w}{\sum }_{c=1}^{w}{({m}_{c}-{g}_{c})}^{2}\)                                                                                                                                                                               (10)

\(U95= \frac{1.96}{w}\sqrt{\sum_{c=1}^{w}{({m}_{c}-{g}_{c})}^{2}+\sum_{i=1}^{w}{({m}_{c}-{g}_{c})}^{2}}\)                                                                                                                                                                               (11)

\(A10-index=\frac{w10}{w}\)                                                                                                                                                                               (12)

\(AI=\frac{\sum_{c=1}^{w}{({m}_{c}-{g}_{c})}^{2}}{\sum_{c=1}^{w}+{({{|m}_{c}-{\overline{g}}_{c}|+|g}_{c}-{\overline{g}}_{c}|)}^{2}}\)                                                                                                                                                                               (13)

\(VAF=1-\frac{var \left({m}_{c}-{g}_{c}\right)}{var \left({m}_{c}\right)}\times 100\)%                                                                                                                                                                            (14)

\({R}^{2}=\frac{{\left(\sum_{c=1}^{w}({m}_{c}-{\overline{m}}_{c})({g}_{c}-{\overline{g}}_{c}\right)}^{2}}{\sum_{c=1}^{w}{({m}_{c}-{\overline{m}}_{c})}^{2}\sum_{c=1}^{w}{({g}_{c}-{\overline{g}}_{c})}^{2}}\)                                                                                                                                                                               (15)