📅  最后修改于: 2023-12-03 15:24:35.812000             🧑  作者: Mango
平均绝对误差是一种用来衡量预测值与实际值之间误差的方法。在统计学和机器学习中广泛使用。
计算平均绝对误差的公式如下:
$MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y_i}|$
其中,$n$ 是数据集中样本数,$y_i$ 是真实值,$\hat{y_i}$ 是预测值,$| \cdot |$ 表示绝对值。
下面介绍如何在Python中计算平均绝对误差。
numpy是一个用于数值计算的Python库,其中包含了很多数学函数和统计函数。
使用numpy计算平均绝对误差的步骤如下:
import numpy as np
y_true = np.array([1, 2, 3, 4, 5])
y_pred = np.array([1.2, 2.2, 2.8, 4.3, 4.9])
mae = np.mean(np.abs(y_true - y_pred))
完整代码如下:
import numpy as np
y_true = np.array([1, 2, 3, 4, 5])
y_pred = np.array([1.2, 2.2, 2.8, 4.3, 4.9])
mae = np.mean(np.abs(y_true - y_pred))
print(mae)
输出结果为:
0.46
sklearn是一个用于机器学习的Python库,其中包含了很多常用的机器学习算法和函数。
使用sklearn计算平均绝对误差的步骤如下:
from sklearn.metrics import mean_absolute_error
y_true = [1, 2, 3, 4, 5]
y_pred = [1.2, 2.2, 2.8, 4.3, 4.9]
mae = mean_absolute_error(y_true, y_pred)
完整代码如下:
from sklearn.metrics import mean_absolute_error
y_true = [1, 2, 3, 4, 5]
y_pred = [1.2, 2.2, 2.8, 4.3, 4.9]
mae = mean_absolute_error(y_true, y_pred)
print(mae)
输出结果为:
0.46
本文介绍了两种计算平均绝对误差的方法,分别是使用numpy库和sklearn库。其中,sklearn库提供了更多的方便函数,适用于大多数机器学习模型评估。