mae与rmse公式 python
时间: 2023-10-16 07:07:15 浏览: 36
MAE和RMSE是用于衡量模型预测误差的指标,它们的公式如下:
MAE(平均绝对误差):
$$MAE = \frac{1}{n}\sum_{i=1}^n|y_i - \hat{y_i}|$$
RMSE(均方根误差):
$$RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^n(y_i - \hat{y_i})^2}$$
其中,$n$表示样本数量,$y_i$表示真实值,$\hat{y_i}$表示预测值。
下面是Python的实现代码:
```python
import numpy as np
# 计算MAE
def mae(y_true, y_pred):
return np.mean(np.abs(y_true - y_pred))
# 计算RMSE
def rmse(y_true, y_pred):
return np.sqrt(np.mean(np.square(y_true - y_pred)))
```
其中,`y_true`和`y_pred`分别表示真实值和预测值。可以使用numpy库中的函数来计算平均值和平方等操作。