平均绝对误差python

平均绝对误差（Mean Absolute Error，MAE）是一种衡量预测模型误差的指标，可以用来评估模型的准确性。下面是计算平均绝对误差的Python代码示例：

import numpy as np

def mean_absolute_error(y_true, y_pred):
    return np.mean(np.abs(y_true - y_pred))

# 示例数据
y_true = [3, 4, 5, 6]
y_pred = [2.5, 4.5, 5, 7]

# 计算平均绝对误差
mae = mean_absolute_error(y_true, y_pred)
print("Mean Absolute Error:", mae)

在上述代码中，我们定义了一个名为 `mean_absolute_error` 的函数，该函数接受两个参数 `y_true` 和 `y_pred`，分别表示真实值和预测值。在函数内部，我们使用 NumPy 库计算了真实值和预测值之间的绝对误差，并取其平均值作为平均绝对误差。

然后，我们使用示例数据 `y_true` 和 `y_pred` 来调用 `mean_absolute_error` 函数，并打印出计算得到的平均绝对误差。

这个示例中使用了NumPy库来进行向量化计算，可以更高效地处理数组操作。如果你没有安装 NumPy，可以通过运行 `pip install numpy` 来安装。

相关问题

均方根误差python和平均绝对误差

在Python中，可以使用numpy库中的函数计算均方根误差和平均绝对误差。具体实现如下：

import numpy as np

# 计算均方根误差
def rmse(predictions, targets):
    return np.sqrt(((predictions - targets) ** 2).mean())

# 计算平均绝对误差
def mae(predictions, targets):
    return np.abs(predictions - targets).mean()

其中，`predictions`为预测值，`targets`为真实值。可以通过调用这两个函数来计算均方根误差和平均绝对误差。

平均绝对百分误差python代码

以下是计算平均绝对百分误差（MAPE）的 Python 代码：

def mape(actual, predicted):
    """
    计算平均绝对百分误差（MAPE）
    
    参数：
    actual: 实际值数组
    predicted: 预测值数组
    
    返回值：
    平均绝对百分误差（MAPE）
    """
    actual, predicted = np.array(actual), np.array(predicted)
    return np.mean(np.abs((actual - predicted) / actual)) * 100

其中，`actual` 和 `predicted` 分别为实际值和预测值的数组。可以使用该函数来计算 MAPE，例如：

import numpy as np

actual = [1, 2, 3, 4, 5]
predicted = [1.1, 1.9, 2.8, 3.8, 4.9]

mape_value = mape(actual, predicted)
print("MAPE:", mape_value)

输出结果为：

MAPE: 5.217391304347826