python之MSE、MAE、RMSE的使用
我就廢話不多說(shuō)啦,直接上代碼吧!
target = [1.5, 2.1, 3.3, -4.7, -2.3, 0.75] prediction = [0.5, 1.5, 2.1, -2.2, 0.1, -0.5] error = [] for i in range(len(target)): error.append(target[i] - prediction[i]) print("Errors: ", error) print(error) squaredError = [] absError = [] for val in error: squaredError.append(val * val)#target-prediction之差平方 absError.append(abs(val))#誤差絕對(duì)值 print("Square Error: ", squaredError) print("Absolute Value of Error: ", absError) print("MSE = ", sum(squaredError) / len(squaredError))#均方誤差MSE from math import sqrt print("RMSE = ", sqrt(sum(squaredError) / len(squaredError)))#均方根誤差RMSE print("MAE = ", sum(absError) / len(absError))#平均絕對(duì)誤差MAE targetDeviation = [] targetMean = sum(target) / len(target)#target平均值 for val in target: targetDeviation.append((val - targetMean) * (val - targetMean)) print("Target Variance = ", sum(targetDeviation) / len(targetDeviation))#方差 print("Target Standard Deviation = ", sqrt(sum(targetDeviation) / len(targetDeviation)))#標(biāo)準(zhǔn)差
補(bǔ)充拓展:回歸模型指標(biāo):MSE 、 RMSE、 MAE、R2
sklearn調(diào)用
# 測(cè)試集標(biāo)簽預(yù)測(cè) y_predict = lin_reg.predict(X_test) # 衡量線性回歸的MSE 、 RMSE、 MAE、r2 from math import sqrt from sklearn.metrics import mean_absolute_error from sklearn.metrics import mean_squared_error from sklearn.metrics import r2_score print("mean_absolute_error:", mean_absolute_error(y_test, y_predict)) print("mean_squared_error:", mean_squared_error(y_test, y_predict)) print("rmse:", sqrt(mean_squared_error(y_test, y_predict))) print("r2 score:", r2_score(y_test, y_predict))
原生實(shí)現(xiàn)
# 測(cè)試集標(biāo)簽預(yù)測(cè) y_predict = lin_reg.predict(X_test) # 衡量線性回歸的MSE 、 RMSE、 MAE mse = np.sum((y_test - y_predict) ** 2) / len(y_test) rmse = sqrt(mse) mae = np.sum(np.absolute(y_test - y_predict)) / len(y_test) r2 = 1-mse/ np.var(y_test) print("mse:",mse," rmse:",rmse," mae:",mae," r2:",r2)
相關(guān)公式
MSE
RMSE
MAE
R2
以上這篇python之MSE、MAE、RMSE的使用就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python中的反射知識(shí)點(diǎn)總結(jié)
在本篇文章里小編給大家整理了一篇關(guān)于Python中的反射知識(shí)點(diǎn)總結(jié)內(nèi)容,有需要的朋友們可以跟著學(xué)習(xí)參考下。2021-11-11配置python連接oracle讀取excel數(shù)據(jù)寫入數(shù)據(jù)庫(kù)的操作流程
這篇文章主要介紹了配置python連接oracle,讀取excel數(shù)據(jù)寫入數(shù)據(jù)庫(kù),本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-03-03python中numpy基礎(chǔ)學(xué)習(xí)及進(jìn)行數(shù)組和矢量計(jì)算
這篇文章主要給大家介紹了python中numpy基礎(chǔ)知識(shí),以及進(jìn)行數(shù)組和矢量計(jì)算的相關(guān)資料,需要的朋友可以參考借鑒,下面來(lái)一起看看吧。2017-02-02Python自動(dòng)修改電腦靜態(tài)IP地址的實(shí)現(xiàn)示例
通過(guò)Python自動(dòng)修改電腦的靜態(tài)IP地址可以極大地提高我們的工作效率,減少手動(dòng)修改IP地址帶來(lái)的錯(cuò)誤,本文就來(lái)介紹一下Python自動(dòng)修改電腦靜態(tài)IP地址的實(shí)現(xiàn)示例,感興趣的可以了解一下2023-11-11python實(shí)現(xiàn)unicode轉(zhuǎn)中文及轉(zhuǎn)換默認(rèn)編碼的方法
這篇文章主要介紹了python實(shí)現(xiàn)unicode轉(zhuǎn)中文及轉(zhuǎn)換默認(rèn)編碼的方法,結(jié)合實(shí)例形式分析了Python針對(duì)Unicode編碼操作的相關(guān)技巧及編碼轉(zhuǎn)換中的常見(jiàn)問(wèn)題解決方法,需要的朋友可以參考下2017-04-04python實(shí)戰(zhàn)之Scrapy框架爬蟲(chóng)爬取微博熱搜
前面講解了Scrapy中各個(gè)模塊基本使用方法以及代理池、Cookies池。接下來(lái)我們以一個(gè)反爬比較強(qiáng)的網(wǎng)站新浪微博為例,來(lái)實(shí)現(xiàn)一下Scrapy的大規(guī)模爬取。2021-09-09