python怎么计算均方根误差和平均绝对误差

要计算均方根误差（RMSE）和平均绝对误差（MAE），你可以使用以下公式：

均方根误差（RMSE）：
RMSE = sqrt((1/n) * Σ(yi - mxi - b)^2)

平均绝对误差（MAE）：
MAE = (1/n) * Σ|yi - mxi - b|

其中，n是数据集中的样本数量，yi是实际值，m是斜率，xi是自变量，b是截距。

下面是一个示例代码，演示如何使用Python计算均方根误差和平均绝对误差：

import math

def calculate_rmse(records_real, records_predict, m, b):
n = len(records_real)
rmse = math.sqrt(sum([(y - (m*x + b))**2 for x, y in zip(records_real, records_predict)]) / n)
return rmse

def calculate_mae(records_real, records_predict, m, b):
n = len(records_real)
mae = sum([abs(y - (m*x + b)) for x, y in zip(records_real, records_predict)]) / n
return mae

# 用法示例
records_real = [1, 2, 3, 4, 5]
records_predict = [1.5, 2.5, 3.5, 4.5, 5.5]
m = 0.5
b = 0.5

rmse = calculate_rmse(records_real, records_predict, m, b)
mae = calculate_mae(records_real, records_predict, m, b)

print("均方根误差（RMSE）:", rmse)
print("平均绝对误差（MAE）:", mae)