matlab相对误差代码

以下是一个计算相对误差的 Matlab 代码示例：

function relative_error = calc_relative_error(actual_value, expected_value)
    % 计算相对误差
    relative_error = abs(actual_value - expected_value) / abs(expected_value);
end

使用示例：

actual_value = 3.14;
expected_value = pi;
relative_error = calc_relative_error(actual_value, expected_value);
fprintf('相对误差为：%f\n', relative_error);

在此示例中，我们定义了一个名为 `calc_relative_error` 的函数，它接受两个参数：实际值和期望值。函数计算相对误差并将其返回。主程序中的示例将实际值设置为 3.14，期望值设置为圆周率 pi，然后调用 `calc_relative_error` 函数以计算相对误差。

相关问题

数据相对误差MATLAB代码

以下是计算相对误差的MATLAB代码：

% 计算相对误差
function rel_error = relative_error(actual_value, predicted_value)
rel_error = abs(actual_value - predicted_value) / abs(actual_value);
end

% 测试
actual_val = 10;
predicted_val = 9.8;
rel_error = relative_error(actual_val, predicted_val);
fprintf('相对误差为: %f\n', rel_error);

输出：
相对误差为: 0.020000

平均相对误差matlab代码

平均相对误差（Mean Absolute Error, MAE）的 MATLAB 代码如下：

function mae = mean_absolute_error(actual, predicted)
% 计算平均相对误差（Mean Absolute Error, MAE）

    % 确保输入的向量长度相同
    assert(length(actual) == length(predicted), '输入向量长度不一致');

    % 计算每个观测值的绝对误差
    abs_error = abs(actual - predicted);

    % 计算平均相对误差
    mae = mean(abs_error ./ actual);
end

使用方法：

- `actual`：实际值向量
- `predicted`：预测值向量

例如：

actual = [1.2, 2.4, 3.6, 4.8, 6.0];
predicted = [1.0, 2.0, 3.0, 4.0, 5.0];
mae = mean_absolute_error(actual, predicted);
disp(mae);

输出结果为：

0.1667

即平均相对误差为 16.67%。