MAE、MAPE、MSE和RMSE的MATLAB代码

本文详细介绍了机器学习中常用的评估指标,包括平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方误差(MSE)以及均方根误差(RMSE),并解释了它们在模型性能评估中的作用和计算方法。通过理解这些指标,开发者可以更好地选择和优化预测模型。
摘要由CSDN通过智能技术生成

平均绝对误差(MAE)

mae = mean(abs(YReal - YPred));

平均绝对百分比误差(MAPE)

mape = mean(abs((YReal - YPred)./YReal));

均方误差(MSE)

mse = (sum((YReal - YPred).^2)) ./ n;

均方根误差(RMSE)

rmse = sqrt(mean((YPred-YReal).^2));
 

评论 2
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