R语言中均方根误差计算的代码

在R语言中，可以使用以下代码计算均方根误差（Root Mean Squared Error，RMSE）：

# 定义函数计算均方根误差
rmse <- function(actual, predicted) {
  mse <- mean((actual - predicted)^2)
  rmse <- sqrt(mse)
  return(rmse)
}

# 示例数据
actual <- c(1, 2, 3, 4, 5)
predicted <- c(1.2, 2.3, 2.8, 4.1, 5.2)

# 调用函数计算均方根误差
result <- rmse(actual, predicted)
print(result)

上述代码定义了一个名为`rmse`的函数，该函数接受两个参数`actual`和`predicted`，分别表示实际值和预测值。函数内部首先计算均方误差（Mean Squared Error，MSE），然后取平方根得到均方根误差（RMSE）。最后，通过调用`rmse`函数并传入实际值和预测值，可以得到RMSE的计算结果。

相关问题

R语言中怎么计算均方根误差

在R语言中，可以使用以下代码计算均方根误差：

rmse <- function(actual, predicted) {
  sqrt(mean((predicted - actual)^2))
}

其中，`actual`为实际值向量，`predicted`为预测值向量。可以将实际值和预测值向量传递给该函数，它将返回均方根误差的值。

R语言相对均方根误差

R语言中的相对均方根误差（Relative Root Mean Squared Error，简称RRMSE）是用来衡量模型预测结果与实际结果之间的误差的一种指标。它是均方根误差（Root Mean Squared Error，简称RMSE）与实际值的标准差之比。

具体地说，RRMSE的计算公式如下：

RRMSE = RMSE / sd(y)

其中，RMSE表示均方根误差，sd(y)表示实际值的标准差。

RRMSE越小，说明模型的预测结果与实际结果之间的误差越小，模型的预测能力越好。

在R语言中，可以使用如下代码计算RRMSE：

# 计算RMSE
rmse <- function(actual, predicted) {
  sqrt(mean((actual - predicted)^2))
}

# 计算RRMSE
rrmse <- function(actual, predicted) {
  rmse(actual, predicted) / sd(actual)
}

使用时，需要将实际值和预测值作为参数传入函数中即可。