导入平均绝对误差 - Python

什么是平均绝对误差

平均绝对误差（mean absolute error，MAE）用于衡量实际值和预测值之间的差异，它是误差的平均值，用公式表示为：

$$MAE = \frac{1}{n}\sum_{i=1}^{n}|y_i-\hat{y_i}|$$

其中，$n$ 是样本的数量，$y_i$ 是实际值，$\hat{y_i}$ 是预测值，$|\cdot|$ 表示取绝对值。

如何计算平均绝对误差

在 Python 中，我们可以使用 numpy 库来计算平均绝对误差。下面是一个示例：

import numpy as np

def mae(y_true, y_pred):
    return np.average(np.abs(y_true - y_pred))

y_true = np.array([3, -0.5, 2, 7])
y_pred = np.array([2.5, 0.0, 2, 8])

print(mae(y_true, y_pred))

输出如下：

0.5

代码解释

首先，我们导入了 numpy 库，它提供了处理数组和矩阵的函数和工具。

然后，我们定义了一个名为 mae 的函数来计算平均绝对误差。它接受两个参数：y_true 表示实际值数组，y_pred 表示预测值数组。函数内部使用了 numpy 库中的函数 average 和 abs 来计算平均值和取绝对值。

最后，我们定义了两个数组 y_true 和 y_pred，分别表示实际值和预测值。然后，我们调用 mae 函数并将这两个数组作为参数传入，然后打印输出结果。

这个示例非常简单，但是它演示了如何使用 numpy 库来计算平均绝对误差。

总结

在 Python 中，我们可以使用 numpy 库来计算平均绝对误差，这个值可以帮助我们评估现实数据和预测数据之间的差异。 代码片段已经给出，可以轻松使用 MAE 来计算预测和实际数据之间的误差。