sklearn【RMSE】均方根误差，原理及学习代码！

一、RMSE 介绍

均方根误差（Root Mean Squared Error，RMSE）是衡量回归模型预测性能的重要指标。它表示模型预测值与实际值之间的偏差大小。

RMSE是均方误差（MSE）的平方根，具有相同的量纲，这使得RMSE在解释上更为直观。在Python的机器学习库sklearn中，虽然并没有直接提供计算RMSE的函数，但我们可以利用MSE函数计算MSE后，再手动取平方根来得到RMSE。

具体来说，RMSE的计算步骤如下：

1. 收集数据：首先，我们需要一组包含实际目标值（真实值）和模型预测值的数据集。这些数据通常来自测试集，用于评估模型在未见过的数据上的性能。
2. 计算误差的平方：对于数据集中的每一对实际值和预测值，我们计算它们之间的差值，并求得该差值的平方。这一步的目的是放大误差，使得较大的偏差在总误差中占据更大的权重。
3. 计算误差平方的平均值：接下来，我们将所有误差的平方值相加，然后除以数据点的数量，得到误差平方的平均值。
4. 取平方根：最后，我们对误差平方的平均值取平方根，得到的就是RMSE的值。这一步将误差单位重新调整到与实际目标值相同的量纲上，使得RMSE的数值更加直观和易于理解。

数学上，RMSE的计算公式可以表示为：

$RMSE=\sqrt{\frac{1}{n}{\sum }_{i=1}^n(y_i-{\hat{y}}_i{)}^2}$

其中：

• $n$ 是数据点的数量。
• $y_i$ 是第 $i$ 个数据点的实际目标值（真实值）。
• ${\hat{y}}_i$ 是模型对第 $i$ 个数据点的预测值。

RMSE的值越小，说明模型的预测性能越好，因为它意味着模型的预测值与实际值之间的偏差越小。然而，需要注意的是，RMSE对较大的偏差非常敏感，因此当数据中存在较大的异常值时，RMSE可能会受到较大的影响。

二、案例学习

下面是一个简单的示例，展示如何使用sklearn计算RMSE：

首先，我们需要导入必要的库和数据集。在这个例子中，我们将使用sklearn自带的波士顿房价数据集。

from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
from sklearn.linear_model import LinearRegression
from sklearn.datasets import fetch_california_housing
import pandas as pd
import numpy as np

housing = fetch_california_housing()

# 加载房价数据集
X = housing.data
y = housing.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

接下来，我们创建一个线性回归模型，并使用训练数据进行训练。

# 创建线性回归模型
model = LinearRegression()

# 使用训练数据进行训练
model.fit(X_train, y_train)

然后，我们使用训练好的模型对测试集进行预测，并计算预测值与实际值之间的MSE。

# 对测试集进行预测
y_pred = model.predict(X_test)

# 计算MSE
mse = mean_squared_error(y_test, y_pred)
print(f'Mean Squared Error: {mse}')

# Mean Squared Error: 0.5558915986952422

现在，我们有了MSE的值，只需要取平方根就可以得到RMSE。

# 计算RMSE
rmse = np.sqrt(mse)
print(f'Root Mean Squared Error: {rmse}')

# Root Mean Squared Error: 0.7455813830127749

在这个例子中，我们使用了线性回归模型进行预测，并计算了预测值与实际值之间的RMSE。RMSE的值越小，说明模型的预测效果越好。需要注意的是，RMSE对较大的偏差非常敏感，因此当数据中存在较大的异常值时，RMSE可能会受到较大的影响。

三、总结

在实际应用中，RMSE通常用于比较不同模型的性能，或者用于调整模型的超参数以优化模型的预测能力。然而，需要注意的是，RMSE只是评估模型性能的一个指标，除了RMSE，我们还可以结合其他评估指标如MSE、决定系数（R²）等来全面评估模型的性能。这些指标提供了不同的视角，帮助我们更好地理解和改进模型。