平均绝对误差
初始化数据
计算平均误差
均方误差![](https://i-blog.csdnimg.cn/direct/0b1c21da953b40beaff93162dfabeb85.png)
初始化
sigmoid函数
构造函数
def sigmoid(x):
return 1/(1+np.exp(-x))#e的次方
sigmoid(np.array([1,2,3]))
df["varl_sigmoid"] = df["var"].map(sigmoid)#将 DataFrame df 中名为 "var" 的列中的每个值通过 sigmoid 函数进行转换,并将转换后的值存储在新的列 "varl_sigmoid" 中
#将 DataFrame df 中名为 "var" 的列中的每个值通过 sigmoid 函数进行转换,并将转换后的值存储在新的列 "varl_sigmoid" 中
df
entopy熵函数
df = pd.DataFrame(
{
"val_1":np.arange(0.01,1,0.1),
"val_2":1-np.arange(0.01,1,0.1),
}
)
df
def entropy(x):
return -np.sum(x*np.log2(x))
df["entropy"] = df.apply(
lambda x:entropy([x["val_1"],x["val_2"]]),
axis = 1
)
df
使用 pandas
的 apply
方法来计算每一行的 "熵" 值,并将这个值作为新列 "entropy" 添加到 df
中。这里假设你已经定义了一个名为 entropy
的函数,该函数接受一个包含两个元素的列表,并返回这两个元素的熵值。