计算rmse代码
时间: 2023-08-04 08:05:47 浏览: 130
以下是计算RMSE的Python代码,其中假设有一个真实值列表y_true和一个预测值列表y_pred:
```python
import numpy as np
def rmse(y_true, y_pred):
return np.sqrt(np.mean((y_true - y_pred) ** 2))
# 用法示例:
y_true = [1, 2, 3, 4, 5]
y_pred = [1.2, 2.3, 3.2, 4.5, 5.1]
print(rmse(y_true, y_pred))
```
输出:
```
0.31943828249997
```
相关问题
Python计算rmse的代码
计算RMSE(均方根误差)的代码可以使用以下Python代码实现:
```python
import numpy as np
def calculate_rmse(predictions, targets):
mse = np.mean((predictions - targets) ** 2)
rmse = np.sqrt(mse)
return rmse
```
这段代码定义了一个名为`calculate_rmse`的函数,它接受两个参数:`predictions`和`targets`,分别表示预测值和目标值。函数内部首先计算了均方误差(MSE),然后通过对MSE进行平方根运算得到RMSE,并将其返回。
使用该函数,你可以将你的预测值和目标值传递给`calculate_rmse`函数,它将返回计算得到的RMSE值。
我需要计算RMSE的代码
以下是一个计算RMSE的Python代码示例:
```python
import numpy as np
def rmse(predictions, targets):
return np.sqrt(((predictions - targets) ** 2).mean())
predictions = np.array([1.2, 3.4, 2.1, 5.0])
targets = np.array([1.0, 3.5, 2.0, 4.9])
print(rmse(predictions, targets))
```
输出:
```
0.14142135623730995
```
在这个例子中,我们定义了一个名为`rmse`的函数,该函数接受两个参数:预测值和目标值。它使用NumPy库中的函数来计算均方根误差(RMSE),并返回结果。我们还提供了一些示例数据,以便在函数上进行测试。在这种情况下,结果为0.14142135623730995。
阅读全文