MSE（均方误差）、RMSE （均方根误差）、MAE （平均绝对误差）
1、MSE（均方误差）（Mean Square Error）
MSE是真实值与预测值的差值的平方然后求和平均。
范围[0,+∞)，当预测值与真实值完全相同时为0，误差越大，该值越大。
- 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 （均方根误差）（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 （平均绝对误差）（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))
版权声明：本文为xiondun原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。