📅  最后修改于: 2023-12-03 14:54:07.595000             🧑  作者: Mango
平均偏差误差(Mean Absolute Error,MAE)是一种广泛使用的评估预测算法性能的指标。它可以衡量预测值与真实值之间的差异程度。
MAE 的数学定义如下:
$$MAE = \frac{1}{n}\sum_{i=1}^{n}|y_i - \hat{y}_i|$$
其中,$y_i$ 是第 $i$ 个真实值,$\hat{y}_i$ 是第 $i$ 个预测值,$n$ 是样本数量。
在 Python 中,我们可以使用 NumPy 库来计算 MAE。下面是一个简单的 Python 函数,用于计算一个样本的 MAE 值:
import numpy as np
def mean_absolute_error(y_true, y_pred):
return np.mean(np.abs(y_pred - y_true))
我们可以通过以下方式调用该函数:
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
mae = mean_absolute_error(y_true, y_pred)
print(mae)
输出结果为:0.5
这意味着,预测值与真实值的平均偏差误差为 0.5。越接近 0,说明预测算法的性能越好。
平均偏差误差是一种常用的评估预测算法性能的指标。在 Python 中,我们可以使用 NumPy 库轻松地计算 MAE 值。