mse均方误差计算公式_机器学习回归模型评价指标-MAE, MSE, MAPE及代码实现

概述

前三章主要介绍了机器学习分类模型评估-准确率(accuracy)、精确率(Precision)、查准类、召回率(Recall)、查全率、ROC曲线、F值(F-Measure)、AUC、P-R曲线，本节介绍机器学习回归模型评价指标-MAE, MSE, MAPE及代码实现。对于回归预测结果，通常会有平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方误差(MSE)等多个指标进行评价。这里，我们先介绍最常用的3个。

以下所有公式，

平均绝对误差(MAE)

就是绝对误差的平均值，它的计算公式如下：

MAE 的值越小，说明预测模型拥有更好的精确度。

代码实现

import numpy as npdef mse_value(y_true, y_pred):    """    参数:    y_true -- 测试