均方误差(MSE)和均方根误差(RMSE)和平均绝对误差(MAE)

最新推荐文章于 2024-05-14 23:27:57 发布

医学影像处理

最新推荐文章于 2024-05-14 23:27:57 发布

阅读量10w+

点赞数 85

分类专栏：数学文章标签：统计参数

版权声明：本文为博主原创文章，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。

本文链接：https://blog.csdn.net/reallocing1/article/details/56292877

版权

数学专栏收录该内容

1 篇文章 3 订阅

订阅专栏

MSE: Mean Squared Error
均方误差是指参数估计值与参数真值之差平方的期望值;
MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。

M S E = 1 N \sum t = 1 N (o b s e r v e d t - p r e d i c t e d t) 2

$MSE=\frac{1}{N}\sum_{t=1}^{N}(observed_t-predicted_t)^2$

RMSE
均方误差:均方根误差是均方误差的算术平方根

R M S E = 1 N \sum t = 1 N (o b s e r v e d t - p r e d i c t e d t) 2 ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾  ⎷  

$RMSE=\sqrt{\frac{1}{N}\sum_{t=1}^{N}(observed_t-predicted_t)^2}$

MAE :Mean Absolute Error
平均绝对误差是绝对误差的平均值
平均绝对误差能更好地反映预测值误差的实际情况.

M A E = 1 N \sum i = 1 N ∣ (f i - y i) ∣

$MAE={\frac{1}{N}\sum_{i=1}^{N}\lvert(f_i-y_i)\rvert}$

$f_i$ 表示预测值, $y_i$ 表示真实值;

SD :standard Deviation
标准差:标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组组数据，标准差未必相同。

S D = 1 N \sum i = 1 N (x i - u) 2 ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾ ‾  ⎷  

$SD=\sqrt{\frac{1}{N}\sum_{i=1}^{N}(x_i-u)^2}$

u $u$ 表示平均值(

u=1N(x1+.....xN) $u=\frac{1}{N}(x_1+.....x_N)$ )

医学影像处理

关注

85
点赞
踩
322

收藏

觉得还不错? 一键收藏
5
评论
均方误差(MSE)和均方根误差(RMSE)和平均绝对误差(MAE)

MSE: Mean Squared Error 均方误差是指参数估计值与参数真值之差平方的期望值; MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。MSE=1N∑t=1N(observedt−predictedt)2MSE=\frac{1}{N}\sum_{t=1}^{N}(observed_t-predicted_t)^2 RMSE
复制链接

扫一扫

专栏目录

评论 5

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。