MSE（均⽅误差）、RMSE（均⽅根误差）、MAE（平均绝对误
差）
1、MSE（均⽅误差）（Mean Square Error）
MSE是真实值与预测值的差值的平⽅然后求和平均。
范围[0,+∞)，当预测值与真实值完全相同时为0，误差越⼤，该值越⼤。
import numpy as np
from sklearn import metricsnumpy教程pdf
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
an_squared_error(y_true, y_pred)) # 8.107142857142858
2、
RMSE （均⽅根误差）（Root Mean Square Error）
import numpy as np
from sklearn import metrics
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
print(np.an_squared_error(y_true, y_pred)))
3、MAE （平均绝对误差）（Mean Absolute Error）
import numpy as np
from sklearn import metrics
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
an_absolute_error(y_true, y_pred))

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。