📜  导入平均绝对误差 - Python (1)

📅  最后修改于: 2023-12-03 15:25:12.454000             🧑  作者: Mango

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 averageabs 来计算平均值和取绝对值。

最后,我们定义了两个数组 y_truey_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。