平均相对误差matlab代码

平均相对误差（Mean Absolute Error, MAE）的 MATLAB 代码如下：

function mae = mean_absolute_error(actual, predicted)
% 计算平均相对误差（Mean Absolute Error, MAE）

    % 确保输入的向量长度相同
    assert(length(actual) == length(predicted), '输入向量长度不一致');

    % 计算每个观测值的绝对误差
    abs_error = abs(actual - predicted);

    % 计算平均相对误差
    mae = mean(abs_error ./ actual);
end

使用方法：

- `actual`：实际值向量
- `predicted`：预测值向量

例如：

actual = [1.2, 2.4, 3.6, 4.8, 6.0];
predicted = [1.0, 2.0, 3.0, 4.0, 5.0];
mae = mean_absolute_error(actual, predicted);
disp(mae);

输出结果为：

0.1667

即平均相对误差为 16.67%。

相关问题

两数组的相对误差MATLAB代码

以下是计算两个数组相对误差的MATLAB代码：

function [rel_error] = relative_error(arr1, arr2)
% 计算两个数组的相对误差
% 输入参数：
% arr1 - 第一个数组
% arr2 - 第二个数组
% 输出参数：
% rel_error - 相对误差

% 计算两个数组的元素差
diff_arr = abs(arr1 - arr2);

% 计算两个数组的元素平均值
mean_arr = (abs(arr1) + abs(arr2)) / 2;

% 计算相对误差
rel_error = diff_arr ./ mean_arr;
end

使用方法：

假设有两个数组a和b，可以使用以下代码计算它们的相对误差：

rel_error = relative_error(a, b);

其中，rel_error是一个与a和b大小相同的数组，表示每个元素的相对误差。

matlab算相对误差

相对误差是通过计算实际值与预测值之间的差异来度量的。在Matlab代码中，通过使用abs函数计算了实际值与预测值之间的绝对差值，然后将其除以实际值来计算相对误差。具体的计算步骤如下所示：

1. 首先，将实际值存储在变量y中，将预测值存储在变量yhat中。
2. 使用m和n分别表示实际值和预测值的长度。
3. 使用for循环遍历每个实际值，计算对应的相对误差。具体来说，对于每个实际值i，使用索引运算符(i:i+n-1)从预测值数组yhat中提取相应的值，然后将其与实际值y(i+n-1)相减，再除以实际值y(i+n-1)来计算相对误差。
4. 将计算得到的相对误差存储在变量err中。

因此，通过以上代码可以得到实现相对误差的计算。<span class="em">1</span>
#### 引用[.reference_title]
- *1* [matlab加权平均值和相对误差算法](https://blog.csdn.net/Swallow_shangtou/article/details/84986327)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]