均方根误差（RMSE）python代码

均方根误差（Root Mean Square Error, RMSE）是评估预测值与实际值之间差异的一种常见方法，特别是在回归分析中。它是预测误差平方和的平均值的平方根。在Python中，你可以使用`sklearn.metrics`模块中的`mean_squared_error`函数来计算RMSE。这里是一个简单的例子：

from sklearn import metrics
import numpy as np

# 假设你有实际值（y_true）和预测值（y_pred）
y_true = np.array([1, 2, 3, 4, 5])
y_pred = np.array([1.1, 2.2, 3.3, 4.4, 4.8])

# 计算RMSE
rmse = np.sqrt(metrics.mean_squared_error(y_true, y_pred))
print("RMSE:", rmse)

在这个例子中，`metrics.mean_squared_error()`返回的是每个样本预测误差的平方的平均值，然后取其平方根得到RMSE。