使用matlab编写rmse函数

在MATLAB中，Root Mean Squared Error (RMSE)是一个评估预测值与真实值之间差异的标准度量。你可以通过以下步骤自定义一个简单版本的RMSE函数：

function rmse_val = calculate_rmse(predictions, targets)
    % 首先，检查输入是否为向量
    if ~isvector(predictions) || ~isvector(targets)
        error('Both predictions and targets must be vectors.');
    end
    
    % 计算误差
    errors = predictions - targets;
    
    % 平方误差
    squared_errors = errors.^2;
    
    % 取平均并开根
    rmse_val = sqrt(mean(squared_errors));
end

这个函数接受两个参数：`predictions`是模型的预测结果，`targets`是实际的观测值。它首先检查这两个输入是否都是向量，如果不是，则抛出错误。然后计算每个预测值与对应目标值之间的差，平方这些误差，再取平均值，最后求平方根得到RMSE。

你可以像这样使用这个函数：

preds = [1, 2, 3, 4, 5]; % 预测值
true_values = [1.5, 2.8, 3.2, 4.7, 5.1]; % 实际值
rmse = calculate_rmse(preds, true_values);
disp(['RMSE is: ', num2str(rmse)]);

这将会打印出RMSE的值。