1、MSE（均方誤差）（Mean Square Error）

MSE是真實(shí)值與預(yù)測值的差值的平方然后求和平均。

范圍[0,+∞)，當(dāng)預(yù)測值與真實(shí)值完全相同時(shí)為0，誤差越大，該值越大。

import numpy as np
from sklearn import metrics
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
print(metrics.mean_squared_error(y_true, y_pred)) # 8.107142857142858

2、

RMSE （均方根誤差）（Root Mean Square Error）

import numpy as np
from sklearn import metrics
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
print(np.sqrt(metrics.mean_squared_error(y_true, y_pred)))

3、MAE （平均絕對誤差）（Mean Absolute Error）

import numpy as np
from sklearn import metrics
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
print(metrics.mean_absolute_error(y_true, y_pred))

總結(jié)

以上是生活随笔為你收集整理的MSE（均方误差）、RMSE （均方根误差）、MAE （平均绝对误差）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。