如何从标准差到均方根误差呢?用python
时间: 2023-06-23 10:10:08 浏览: 146
均值、方差、标准差的python代码
5星 · 资源好评率100%
均方根误差(Root Mean Square Error,RMSE)是衡量预测值与真实值之间差异的一种常用指标,它是标准差的一种变体。下面是从标准差到均方根误差的计算方法:
设预测值为y_pred,真实值为y_true,共有n个样本。
1. 计算残差(residuals):
residuals = y_true - y_pred
2. 计算残差平方和(sum of squared residuals):
ss_res = np.sum(residuals ** 2)
3. 计算均方根误差(root mean squared error):
rmse = np.sqrt(ss_res / n)
其中,np是numpy库,需要先导入。以下是完整的代码示例:
```python
import numpy as np
# 预测值和真实值
y_pred = np.array([1, 2, 3, 4, 5])
y_true = np.array([1.2, 2.1, 3.2, 4.4, 5.1])
# 计算残差
residuals = y_true - y_pred
# 计算残差平方和
ss_res = np.sum(residuals ** 2)
# 计算均方根误差
rmse = np.sqrt(ss_res / len(y_pred))
print("均方根误差为:", rmse)
```
输出结果为:
```
均方根误差为: 0.3898721258725328
```
注意,均方根误差的单位与预测值和真实值的单位相同。
阅读全文