如何计算RMSE代码

Root Mean Squared Error (RMSE)，即均方根误差，是一种常用的评估预测模型性能的指标，特别是在回归任务中。计算RMSE需要先计算每个观测值预测结果与实际值之间的差值的平方，然后取平均并开平方根。以下是简单的步骤，假设你有一个实际值数组`y_true`和预测值数组`y_pred`：

1. 首先，你需要导入必要的库，如果使用的是Python，可以使用`numpy`库来进行数学计算：

   import numpy as np

2. 然后计算每个元素的差值平方：

   errors = (y_true - y_pred) ** 2

3. 接下来，对所有差值平方求平均：

   mean_squared_error = np.mean(errors)

4. 最后，计算RMSE：

   rmse = np.sqrt(mean_squared_error)

完整代码示例（Python）：

import numpy as np

# 假设y_true是实际值列表，y_pred是预测值列表
y_true = [1, 2, 3, 4, 5]
y_pred = [1.2, 2.1, 3.05, 4.01, 5.03]

# 计算RMSE
errors = (y_true - y_pred) ** 2
mean_squared_error = np.mean(errors)
rmse = np.sqrt(mean_squared_error)

print("RMSE:", rmse)