python中计算均方误差_Python中的均方根误差

什么是RMSE？ 也被称为MSE或RMS。 它解决了什么问题？

如果你理解RMSE :(均方根误差)，MSE(均方误差)和RMS :(均方根)，那么要求库为你计算是不必要的过度工程。 所有这些指标都是一条最长2英寸的Python代码。 rmse，mse和rms三个指标在概念上都是相同的。

RMSE回答了这个问题：“list1到list2中的数字平均有多相似？”。 这两个列表必须是相同的大小。 我想“清除任何两个给定元素之间的噪音，清除收集的数据的大小，并获得一个单一的数字随着时间的推移感觉”。

直觉和ELI5的RMSE：

想象一下，你正在学习在飞镖上掷飞镖。 你每天练习一个小时。 你想弄清楚你是越来越好还是越来越糟糕。 所以你每天要做10次投掷，测量你的飞镖击中的距离。

你列出这些数字。 使用第1天的距离和包含全零的列表之间的均方根误差。 第2天和第n天也一样。 你会得到一个单一的数字，希望随着时间的推移而减less。 当您的RMSE数字为零时，您每次都会触发Bullseyes。 如果这个数字上升，你会越来越糟。

在python中计算均方根误差的例子：

import numpy as np d = [0.000, 0.166, 0.333] p = [0.000, 0.254, 0.998] print("d is: " + str(["%.8f" % elem for elem in d])) print("p is: " + str(["%.8f" % elem for elem in p])) def rmse(predictions, targets): return np.sqrt(((predictions - targets) ** 2).mea