什么是RMSE?也称为MSE、RMD或RMS。它解决了什么问题?
如果您理解RMSE:(均方根误差),MSE:(均方根误差),RMD(均方根偏差)和RMS:(均方根),那么在工程上要求一个库为您计算这个是不必要的。所有这些指标都是一行最长2英寸的python代码。rmse、mse、rmd和rms这三个度量在核心概念上是相同的。
RMSE回答了这个问题:“平均来说,list1到list2中的数字有多相似?”。两个列表的大小必须相同。我想“洗去任何两个给定元素之间的噪音,洗去所收集数据的大小,并获得随时间变化的单一数字感觉”。
RMSE的直觉和ELI5:
想象一下你正在学习向飞镖板投掷飞镖。你每天练习一小时。你想知道你是在好转还是在恶化。所以每天你投10次球,测量靶心和飞镖射中的距离。
你列一张这些数字的清单list1。使用第1天距离和包含所有零的list2之间的均方根误差。在第2天和第n天也这样做。你将得到一个单一的数字,希望随着时间的推移而减少。当你的RMSE值为零时,你每次都会打靶子。如果rmse的数字上升,你会变得更糟。
在python中计算均方根误差的示例:import numpy as np
d = [0.000, 0.166, 0.333] #ideal target distances, these can be all zeros.
p = [0.000, 0.254, 0.998] #your performance goes here
print("d is: " + str(["%.8f" % elem for elem in d]))
print("p is: " + str(["%.8f&#