评价指标 均方根误差还有其它 python 代码实现

评价指标是用来衡量模型预测结果与真实结果之间差异的指标。均方根误差（RMSE）是回归模型中常用的评价指标之一，它衡量的是模型预测值与真实值之间的平均误差。Python中可以使用sklearn库中的mean_squared_error函数来计算RMSE。除了RMSE，还有其他常用的评价指标，如平均绝对误差（MAE）、R平方（R2）等，这些指标也可以在sklearn库中找到对应的函数进行计算。

Python代码实现：

#调用sklearn库中的指标求解
from sklearn import metrics
from sklearn.metrics import mean_squared_error
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import r2_score

#给出回归结果
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]

#计算均方根误差
rmse = mean_squared_error(y_true, y_pred, squared=False)
print("RMSE:", rmse)

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

#计算R平方
r2 = r2_score(y_true, y_pred)
print("R2:", r2)