📜  python中的rmse(1)

📅  最后修改于: 2023-12-03 14:46:38.856000             🧑  作者: Mango

Python中的RMSE

在机器学习领域,RMSE(Root Mean Squared Error)是一种用于衡量预测值与真实值之间差异的常用度量值。在Python中,我们可以使用numpy库中的函数numpy.sqrtnumpy.mean来计算RMSE。

计算RMSE的公式

RMSE的公式为:

其中,y是真实值,y_hat是我们的预测值,n是样本数。

Python代码

我们可以通过下面的Python函数来计算RMSE:

import numpy as np

def rmse(y, y_hat):
    mse = np.mean((y - y_hat)**2)
    return np.sqrt(mse)

其中,yy_hat都是一维numpy数组,分别表示真实值和预测值。

示例

下面是一个使用上述函数计算RMSE的简单示例:

y = np.array([1, 2, 3, 4, 5])
y_hat = np.array([1.2, 2.3, 2.9, 3.8, 5.1])
print(rmse(y, y_hat))

输出结果为:

0.41148767460830053

这表示我们的预测值与真实值之间的平均差异为0.41左右。

总结

RMSE是一种常用的预测误差度量值,在机器学习模型评估中经常使用。使用numpy库中的函数可以方便地计算RMSE。