6.1 平均绝对误差

有关介绍的网站：https://en.wikipedia.org/wiki/Mean_absolute_error（注：下面的一些图片转载自该网站，并非原创）。

6.1.1 平均绝对误差概念

在统计学中，平均绝对误差( Mean Absolute Error,MAE ) 是对表达相同现象的成对观察之间的误差的度量。MAE 与均方根误差(RMSE) 不同，MAE 在概念上比 RMSE 更简单，也更容易解释：它只是散点图中每个点与 Y=X 线之间的平均绝对垂直或水平距离。换言之，MAE 是 X 和 Y 之间的平均绝对差值。此外，每个误差对 MAE 的贡献与误差的绝对值成正比。这与涉及对误差进行平方的 RMSE 形成对比，因此一些较大的误差将使 RMSE 比 MAE 增加的程度更大。

$MAE = \frac{\sum \limits_{i=1}^n \left | predicted_i-actual_i \right |}{n}$

图1 平均绝对误差公式

图2 MAE和RMSE的 2 个数据点，数量不一致为 0，分配不一致为 2

6.1.2 Python代码实现平均绝对误差

def calculate_the_MAE(predicted_data,actual_data):'''该函数用于计算平均绝对误差Parameters----------predicted_data : 一维列表预测数据.actual_data : 一维列表真实数据.Returns-------MAE : 浮点型平均绝对误差.'''# 定义一个变量用于存储所有样本的绝对误差之和the_sum_of_error = 0# 开始逐渐遍历每一个样本for i in range(len(actual_data)):# 不断累加求和，计算所有样本的绝对误差之和the_sum_of_error += abs(predicted_data[i]-actual_data[i])# 计算所有样本的平均绝对误差MAE = the_sum_of_error/float(len(actual_data))return MAEif '__main__' == __name__:# 定义一组真实数据actual_data =    [1,2,3,4,5,6,7,8,9,10]# 定义一组预测数据predicted_data = [2,4,3,5,4,6,5,7,6,8]# 调用calculate_the_MAE函数计算平均绝对误差Mean_Absolute_Error = calculate_the_MAE(predicted_data, actual_data)

6.2 均方根误差

有关介绍的网站：https://en.wikipedia.org/wiki/Root-mean-square_deviation。

6.2.1 均方根误差的概念

MAE的方法可能会有分类讨论的情况，一般不太用，我们可以用均方根误差（Root-mean-square deviation）。均方根误差( Root,Mean Square Deviation,RMSE ) 是模型预测的值（样本或总体值）与观察值之间差异的常用度量。

$RMSE = \sqrt\frac{\sum\limits_{i=1}^n(predicted_i-actual_i)^2}{n}$

图3 均方根误差公式

6.2.2 Python代码实现均方根误差

# 导入包
from math import sqrtdef calculate_the_RMSE(predicted_data,actual_data):'''该函数用于计算均方根误差Parameters----------predicted_data : 一维列表预测数据.actual_data : 一维列表真实数据.Returns-------RMSE : 浮点型均方根误差.'''# 定义一个变量用于存储所有样本的平方误差之和the_sum_of_error = 0# 开始逐渐遍历每一个样本for i in range(len(actual_data)):# 计算预测数据与真实数据的误差predition_error = predicted_data[i]-actual_data[i]# 不断累加求和，计算所有样本的平方误差之和the_sum_of_error += predition_error**2# 计算所有样本的均方根误差RMSE = sqrt(the_sum_of_error/float(len(actual_data)))return RMSEif '__main__' == __name__:# 定义一组真实数据actual_data =    [1,2,3,4,5,6,7,8,9,10]# 定义一组预测数据predicted_data = [2,4,3,5,4,6,5,7,6,8]# 调用calculate_the_RMSE函数计算均方根误差rmse = calculate_the_RMSE(predicted_data, actual_data)

第六章平均绝对误差（MAE）与均方根误差（RMSE）相关推荐

均方根误差（RMSE），平均绝对误差(MAE)，标准差(Standard Deviation)；平均值、标准差、相关系数、回归线及最小二乘法
均方根误差(RMSE),平均绝对误差(MAE),标准差(Standard Deviation) RMSE Root Mean Square Error,均方根误差是观测值与真值偏差的平方和与观测次数 ...
残差平方和（RSS）、均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、标准差（SD)
残差平方和(RSS) 统计学上把数据点与它在回归直线上相应位置的差异称为残差,把每个残差平方之后加起来称为残差平方和(相当于实际值与预测值之间差的平方之和).它表示随机误差的效应.一组数据的残差平方 ...
Python使用numpy包编写自定义函数计算平均绝对误差(MAE、Mean Absolute Error)、评估回归模型和时间序列模型、解读MAE
Python使用numpy包编写自定义函数计算平均绝对误差(MAE.Mean Absolute Error).评估回归模型和时间序列模型.解读MAE 目录
【图像重建指标 Metrics】均方误差RMSE及平均绝对误差MAE的定义和区别
在图像修复.图像提升和深度估计等任务中经常使用到一系列度量指标,除了常用的PSNR和SSIM外,RMSE和MAE能很好的反应图像的重建结果与真实结果间的差异. 1.均方误差RMSE 首先来看均方误差( ...
基于项目的协同过滤推荐算法单机版代码实现（包含输出电影-用户评分矩阵模型、项目相似度、推荐结果、平均绝对误差MAE）
基于项目的协同过滤推荐算法单机版代码实现(包含输出电影-用户评分矩阵模型.项目相似度.推荐结果.平均绝对误差MAE) 一.开发工具及使用技术 MyEclipse10.jdk1.7.movielens数 ...
均方根误差(RMSE)、平均绝对误差(MAE)、标准差
RMSE Root Mean Square Error,均方根误差是观测值与真值偏差的平方和与观测次数m比值的平方根. 是用来衡量观测值同真值之间的偏差 MAE Mean Absolute Erro ...
【机器学习】均方误差(MSE)和均方根误差(RMSE)和平均绝对误差(MAE)
MSE: Mean Squared Error 均方误差是指参数估计值与参数真值之差平方的期望值; MSE可以评价数据的变化程度,MSE的值越小,说明预测模型描述实验数据具有更好的精确度. RMS ...
MSE均方误差、RMSE均方根误差、MAE平均绝对误差、方差、SD标准差、协方差Covariance
均方误差MSE(Mean Square Error) MSE=1m∑i=1m(hi(x)−yi)2MSE = \frac{1}{m}\sum_{i=1}^m (h_i(x) - y_i)^2MSE=m ...
评估指标——均方误差（MSE）、平均绝对误差（MAE）
在各种机器学习比赛中都会看到MSE和MAE这两个指标,算出指标的值越小,说明模型的效果越好,为了防止下次忘记,所以有必要mark一下. 1. MSE(Mean Squared Error) 均方误差 ...
机器学习中的均方根误差、均方误差、平均绝对误差、L1、L2范数介绍
1.均方根误差RMSE RMSE:计算平方和的根,测量预测向量与目标值向量之间的距离,又称为欧几里得范数,L2范数 2.均方误差MSE 3.平均绝对误差MAE MAE:计算绝对值的总和,对应于L1范数 ...

第六章平均绝对误差（MAE）与均方根误差（RMSE）

6.1 平均绝对误差

6.1.1 平均绝对误差概念

6.1.2 Python代码实现平均绝对误差

6.2 均方根误差

6.2.1 均方根误差的概念

6.2.2 Python代码实现均方根误差

第六章平均绝对误差（MAE）与均方根误差（RMSE）相关推荐

最新文章

热门文章

第六章 平均绝对误差（MAE）与均方根误差（RMSE）

6.1 平均绝对误差

6.1.1 平均绝对误差概念

6.1.2 Python代码实现平均绝对误差

6.2 均方根误差

6.2.1 均方根误差的概念

6.2.2 Python代码实现均方根误差

第六章 平均绝对误差（MAE）与均方根误差（RMSE）相关推荐

最新文章

热门文章

第六章平均绝对误差（MAE）与均方根误差（RMSE）

第六章平均绝对误差（MAE）与均方根误差（RMSE）相关推荐