numpy计算均方根误差

计算均方根误差（RMSE）可以使用numpy库中的mean()和sqrt()函数。假设y_true和y_pred分别为真实值和预测值，代码如下：

import numpy as np

def rmse(y_true, y_pred):
    return np.sqrt(np.mean((y_true - y_pred)**2))

相关问题

python如何从excle中读取数据，并计算均方根误差，绘制成均方根误差随高度分布的图，且标注均方根误差

可以使用Python中的pandas库和matplotlib库来读取Excel数据、计算均方根误差和绘制图表。

首先需要安装pandas和matplotlib库：

pip install pandas
pip install matplotlib

然后，可以使用pandas库中的read_excel()函数来读取Excel文件中的数据，并计算均方根误差。假设Excel表格中有两列数据，分别为“高度”和“数据”，代码如下：

import pandas as pd
import numpy as np

# 读取Excel文件中的数据
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 计算均方根误差
rmse = np.sqrt(np.mean((df['数据'] - df['数据'].mean())**2))

print('均方根误差为：', rmse)

接着，使用matplotlib库来绘制均方根误差随高度分布的图表，并标注均方根误差。代码如下：

import matplotlib.pyplot as plt

# 绘制均方根误差随高度分布的图表
plt.plot(df['高度'], df['数据'], 'o')
plt.xlabel('高度')
plt.ylabel('数据')

# 标注均方根误差
plt.text(df['高度'].min(), df['数据'].max(), 'RMSE=%.2f'%rmse)

plt.show()

完整代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取Excel文件中的数据
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 计算均方根误差
rmse = np.sqrt(np.mean((df['数据'] - df['数据'].mean())**2))

print('均方根误差为：', rmse)

# 绘制均方根误差随高度分布的图表
plt.plot(df['高度'], df['数据'], 'o')
plt.xlabel('高度')
plt.ylabel('数据')

# 标注均方根误差
plt.text(df['高度'].min(), df['数据'].max(), 'RMSE=%.2f'%rmse)

plt.show()

需要注意的是，需要将Excel文件保存在当前工作目录下，并且Excel文件中的表格名称为“Sheet1”。如果Excel文件中有多个表格，可以通过sheet_name参数来指定要读取的表格名称。

sklearn计算均方根误差

sklearn中计算均方根误差的函数为mean_squared_error，需要先计算出均方误差，再对其进行平方根运算。具体代码如下：

from sklearn.metrics import mean_squared_error
import numpy as np

y_true = np.array([1, 2, 3])
y_pred = np.array([1.5, 2.5, 3.5])

mse = mean_squared_error(y_true, y_pred)
rmse = np.sqrt(mse)

print("均方误差为：", mse)
print("均方根误差为：", rmse)

输出结果为：

均方误差为： 0.5
均方根误差为： 0.7071067811865476