python求RMSE

在Python中，Root Mean Squared Error (RMSE)是一种常用的评估预测模型性能的指标，特别是在回归问题中。它计算的是实际值和预测值之间差异的平方根平均数。如果你有一个数据集，其中包含实际的观测值（通常是标签或目标变量）和预测值，你可以按照以下步骤计算RMSE：

1. 首先导入必要的库，例如`numpy`：

   import numpy as np

2. 计算每个样本的误差（预测值减去真实值）：

   errors = predictions - actual_values

3. 平方误差：

   squared_errors = errors ** 2

4. 求平均平方误差：

   mean_squared_error = np.mean(squared_errors)

5. 最后取平均值的平方根得到RMSE：

   rmse = np.sqrt(mean_squared_error)

这里，`predictions`是模型的预测结果，`actual_values`是实际的数据标签。完整的函数示例：

def calculate_rmse(predictions, actual):
    rmse = np.sqrt(np.mean((predictions - actual) ** 2))
    return rmse

# 示例用法
predictions = ... # 预测值列表
actual = ...     # 实际值列表
rmse = calculate_rmse(predictions, actual)