均方根误差python

均方根误差（RMSE）是在回归任务中常用的性能度量，表示预测值与实际值之间的差异程度。在python中，可以使用numpy库中提供的mean_squared_error函数以及math库中的sqrt函数来计算RMSE。具体计算方法如下：

1. 首先，使用模型对测试集进行预测，得到预测值。

2. 然后，使用numpy库中的mean_squared_error函数计算出预测值与实际值之间的均方误差（MSE）。

3. 最后，使用math库中的sqrt函数对MSE进行开方，得到RMSE。

下面是示例代码：

import numpy as np
from sklearn.metrics import mean_squared_error
import math

# 模拟预测结果和真实结果
y_true = np.array([2,3,1,4,1])
y_pred = np.array([1,2,3,4,0])

mse = mean_squared_error(y_true, y_pred)
rmse = math.sqrt(mse)

print("均方误差(MSE)为：", mse)
print("均方根误差(RMSE)为：", rmse)

输出结果为：

均方误差(MSE)为： 1.8
均方根误差(RMSE)为： 1.3416407864998738

注意，在实际应用中，建议使用交叉验证等方法来评估模型的性能，并且结合其他指标综合考虑模型的表现。