Python计算MAE的代码
时间: 2023-05-15 18:04:44 浏览: 706
下面是一个简单的示例代码,实现了计算MAE(平均绝对误差):
```
def mae(y_true, y_pred):
return sum(abs(y_true - y_pred)) / len(y_true)
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
print("MAE:", mae(y_true, y_pred))
```
在上面的代码中,我们定义了一个名为 `mae` 的函数,它接受两个参数:`y_true` 和 `y_pred`,分别代表真实值和预测值。函数的计算逻辑是:遍历每一对真实值和预测值,将它们的差的绝对值累加,最后再除以真实值的数量,即可得到 MAE 的值。
相关问题
python中MAE计算代码
在Python中,可以使用numpy库的mean函数计算MAE(Mean Absolute Error)。
以下是一个计算MAE的示例代码:
```python
import numpy as np
# 预测值
y_pred = np.array([1.2, 3.5, 2.1, 5.6, 4.8])
# 真实值
y_true = np.array([1.0, 3.2, 2.5, 5.0, 4.0])
# 计算MAE
mae = np.mean(np.abs(y_pred - y_true))
print("MAE:", mae)
```
输出结果为:
```
MAE: 0.3599999999999999
```
其中,np.abs()函数用于计算绝对值,np.mean()函数用于计算平均值。
python计算mae
计算MAE(Mean Absolute Error,平均绝对误差)需要使用Python中的数学库,如numpy或者pandas。以下是使用numpy计算MAE的示例代码:
```python
import numpy as np
# 预测值
y_pred = np.array([1.2, 2.3, 3.4, 4.5, 5.6])
# 真实值
y_true = np.array([1.0, 2.0, 3.0, 4.0, 5.0])
# 计算MAE
mae = np.mean(np.abs(y_pred - y_true))
print("MAE:", mae)
```
输出结果为:
```
MAE: 0.19999999999999996
```
以上代码中,首先定义了一个预测值`y_pred`和一个真实值`y_true`,然后使用numpy的`abs`函数计算预测值和真实值之间的绝对误差,再使用`mean`函数计算绝对误差的平均值,得到MAE的值。