首页 > Python资料 博客日记
[Python] scikit-learn之mean_squared_error函数(Mean Squared Error(MSE))介绍和使用案例
2024-06-22 11:00:05Python资料围观108次
这篇文章介绍了[Python] scikit-learn之mean_squared_error函数(Mean Squared Error(MSE))介绍和使用案例,分享给大家做个参考,收藏Python资料网收获更多编程知识
什么是均方误差(MSE)和均方根误差(RMSE)?
MSE 是均方误差(Mean Squared Error)的缩写,是一种常用的衡量回归模型预测精度的指标。它表示预测值与真实值之间差异的平方和的平均值,通常用于评估回归模型的性能。
RMSE 是均方根误差(Root Mean Squared Error)的缩写,是一种常用的衡量回归模型预测精度的指标。它表示预测值与真实值之间差异的平均大小,通常用于评估回归模型的性能。
其中,y_i 是第 i 个样本的真实值,y_p 是模型对第 i 个样本的预测值,n 是样本数量。
MSE,RMSE 越小,说明模型的预测精度越高。但是需要注意的是,MSE,RMSE 受到异常值的影响较大,因此在实际应用中需要结合其他指标(比如最大误差max_error)进行综合评估。
scikit-learn库mean_squared_error函数介绍
https://scikit-learn.org/stable/modules/model_evaluation.html#mean-squared-error
sklearn.metrics.mean_squared_error — scikit-learn 1.3.2 documentation
mean_squared_error函数使用案例
案例1
from sklearn.metrics import mean_squared_error
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
print(mean_squared_error(y_true, y_pred))
y_true = [[0.5, 1], [-1, 1], [7, -6]]
y_pred = [[0, 2], [-1, 2], [8, -5]]
print(mean_squared_error(y_true, y_pred))
输出:
0.375 0.7083333333333334
案例2
from sklearn.metrics import mean_squared_error
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
print(mean_squared_error(y_true, y_pred))
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
print(mean_squared_error(y_true, y_pred, squared=False))
y_true = [[0.5, 1],[-1, 1],[7, -6]]
y_pred = [[0, 2],[-1, 2],[8, -5]]
print(mean_squared_error(y_true, y_pred))
print(mean_squared_error(y_true, y_pred, squared=False))
print(mean_squared_error(y_true, y_pred, multioutput='raw_values'))
print(mean_squared_error(y_true, y_pred, multioutput=[0.3, 0.7]))
输出:
0.375 0.6123724356957945 0.7083333333333334 0.8227486121839513 [0.41666667 1. ] 0.825
版权声明:本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:jacktools123@163.com进行投诉反馈,一经查实,立即删除!
标签:
相关文章
最新发布
- 【Python系列】SQLAlchemy 基本介绍
- 【Python】selenium 的EC.presence_of_element_located 和 EC.element_to_be_clickable 的区别
- 从零到一!超详细Pycharm安装教程(图解+详细步骤)
- python json jsonl 的用法
- 【Python篇】深度探索NumPy(下篇):从科学计算到机器学习的高效实战技巧
- boto3:Python连接S3对象存储并进行文件操作(上传、下载、删除)
- 全网最适合入门的面向对象编程教程:50 Python函数方法与接口-接口和抽象基类
- Python pycryptodome类库使用学习总结
- import torch 报错:WinError 126
- 如何在Java中实现邮件发送功能?
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Could not build wheels for llama-cpp-python, which is required to install pyproject.toml-based proj
- Python pyinstaller打包exe最完整教程
- Anaconda版本和Python版本对应关系(持续更新...)
- Python与PyTorch的版本对应