tensorflow各种误差计算:均方根误差(RMSE)、均方误差(MSE)、平均绝对误差(MAE)、标准差(SD)

RMSE(Root Mean Square Error)均方根误差

衡量观测值与真实值之间的偏差。

常用来作为机器学习模型预测结果衡量的标准。

RMSE(X, h)=\sqrt{\frac{1}{m}\sum_{i=1}{m}(h(x_{i})-y_{i})2}

MSE(Mean Square Error)均方误差

MSE是真实值与预测值的差值的平方然后求和平均。

通过平方的形式便于求导,所以常被用作线性回归的损失函数。

MSE=\frac{1}{m}\sum_{i=1}{m}(y_{i}-\hat{y}_{i})2

MAE(Mean Absolute Error)平均绝对误差

是绝对误差的平均值。

可以更好地反映预测值误差的实际情况。

MAE(X, h)=\frac{1}{m}\sum_{i=1}^{m}\left | h(x_{i})-y_{i} \right |

SD(Standard Deviation)标准差

方差的算术平均根。

用于衡量一组数值的离散程度。

SD=\sqrt{\frac{1}{N}\sum_{i=1}{N}(x_{i}-avg(x))2}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值