MAE python代码实现
时间: 2023-07-23 17:18:45 浏览: 150
可以使用Python中的numpy和sklearn库来实现MAE的计算,示例如下:
```python
import numpy as np
from sklearn.metrics import mean_absolute_error
# 真实值和预测值
y_true = np.array([3, -0.5, 2, 7])
y_pred = np.array([2.5, 0.0, 2, 8])
# 使用numpy计算MAE
mae = np.mean(np.abs(y_pred - y_true))
print("MAE(numpy):", mae)
# 使用sklearn计算MAE
mae_sklearn = mean_absolute_error(y_true, y_pred)
print("MAE(sklearn):", mae_sklearn)
```
输出结果:
```
MAE(numpy): 0.5
MAE(sklearn): 0.5
```
相关问题
mae python代码实现
可以使用Python中的numpy和sklearn库来实现MAE的计算,示例如下:
```python
import numpy as np
from sklearn.metrics import mean_absolute_error
# 真实值和预测值
y_true = np.array([3, -0.5, 2, 7])
y_pred = np.array([2.5, 0.0, 2, 8])
# 使用numpy计算MAE
mae = np.mean(np.abs(y_pred - y_true))
print("MAE(numpy):", mae)
# 使用sklearn计算MAE
mae_sklearn = mean_absolute_error(y_true, y_pred)
print("MAE(sklearn):", mae_sklearn)
```
输出结果:
```
MAE(numpy): 0.5
MAE(sklearn): 0.5
```
Python计算MAE的代码
下面是一个简单的示例代码,实现了计算MAE(平均绝对误差):
```
def mae(y_true, y_pred):
return sum(abs(y_true - y_pred)) / len(y_true)
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
print("MAE:", mae(y_true, y_pred))
```
在上面的代码中,我们定义了一个名为 `mae` 的函数,它接受两个参数:`y_true` 和 `y_pred`,分别代表真实值和预测值。函数的计算逻辑是:遍历每一对真实值和预测值,将它们的差的绝对值累加,最后再除以真实值的数量,即可得到 MAE 的值。