python RMSE

RMSE（Root Mean Square Error）是一种常用的评估回归模型预测准确度的指标。它衡量了模型预测值与真实值之间的差异程度。

计算RMSE的步骤如下：
1. 首先，对于每个样本，计算模型的预测值与真实值之间的差异，即预测值减去真实值。
2. 然后，将这些差异值的平方求和。
3. 接下来，将上述结果除以样本数量，得到平均平方差（MSE）。
4. 最后，取平均平方差的平方根，即可得到RMSE。

在Python中，可以使用NumPy库来计算RMSE。以下是一个示例代码：

import numpy as np

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

# 示例数据
predictions = np.array([1.2, 2.5, 3.8, 4.1])
targets = np.array([1.0, 2.0, 4.0, 4.5])

# 计算RMSE
rmse = calculate_rmse(predictions, targets)
print("RMSE:", rmse)

运行以上代码，将输出RMSE的值。