平均绝对误差matlab

平均绝对误差（MAE）是一种常用的误差指标，用于衡量预测值与真实值之间的平均差异程度。在MATLAB中，可以使用以下代码计算平均绝对误差：

x = [真实值]; % 真实值向量
y = [预测值]; % 预测值向量

mae = mean(abs(y - x)); % 计算平均绝对误差

请注意，上述代码中的"真实值"和"预测值"分别替换为实际的真实值向量和预测值向量。计算结果将保存在变量"mae"中。

相关问题

平均绝对百分比误差matlab

在Matlab中，可以使用mad函数来计算平均绝对百分比误差(Mean Absolute Percentage Error，MAPE)。mad函数的语法如下：

MAPE = mad(errors./y_true)*100

其中，errors是一个向量，表示每个样本的误差，y_true是一个向量，表示每个样本的真实值。MAPE是一个标量，表示所有样本误差的平均绝对百分比误差值。例如，如果有一个向量e，存储了10个样本的误差，另一个向量y_true存储了10个样本的真实值，可以这样计算MAPE：

e = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10];
y_true = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100];
MAPE = mad(e./y_true)*100;

执行后，MAPE的值为55.5556。

matlab平均绝对误差代码

计算matlab平均绝对误差的代码如下：

function mae = calculate_mae(I,J)
%如果是I灰度图像只有二维，如果I是彩色图像将会有三维
dim = length(size(I));%保存的是I的维度
M = size(I,1);
N = size(I,2);
dif = abs(I - J);
if dim == 2
val = sum(sum(dif));
else
val = sum(sum(sum(dif)));
end
mae = val / (M*N);
end

其中，I表示原始图像，J表示恢复后的图像。函数首先判断I的维度，然后计算绝对误差的总和，最后除以像素点数得到平均绝对误差MAE。