rmse、mape、mae计算代码R语言
时间: 2023-12-31 12:07:10 浏览: 88
以下是R语言中计算rmse、mape、mae的代码:
1. 计算RMSE
```R
rmse <- function(actual, predicted){
sqrt(mean((actual - predicted)^2))
}
# 示例
actual <- c(2, 4, 6, 8, 10)
predicted <- c(3, 5, 7, 9, 11)
rmse(actual, predicted) # 输出 1
```
2. 计算MAPE
```R
mape <- function(actual, predicted){
mean(abs((actual - predicted) / actual)) * 100
}
# 示例
actual <- c(2, 4, 6, 8, 10)
predicted <- c(3, 5, 7, 9, 11)
mape(actual, predicted) # 输出 12.5
```
3. 计算MAE
```R
mae <- function(actual, predicted){
mean(abs(actual - predicted))
}
# 示例
actual <- c(2, 4, 6, 8, 10)
predicted <- c(3, 5, 7, 9, 11)
mae(actual, predicted) # 输出 1
```
相关问题
用R语言计算rmse、mape、mae
计算RMSE(均方根误差):
假设我们有两个向量:实际值 y 和预测值 y_pred,n 是向量的长度,则RMSE的计算公式为:
```R
rmse <- function(y, y_pred) {
sqrt(mean((y - y_pred)^2))
}
```
计算MAPE(平均绝对误差百分比):
同样假设我们有两个向量:实际值 y 和预测值 y_pred,n 是向量的长度,则MAPE的计算公式为:
```R
mape <- function(y, y_pred) {
mean(abs((y - y_pred) / y)) * 100
}
```
计算MAE(平均绝对误差):
同样假设我们有两个向量:实际值 y 和预测值 y_pred,n 是向量的长度,则MAE的计算公式为:
```R
mae <- function(y, y_pred) {
mean(abs(y - y_pred))
}
```
RMSE、MAPE、MAE的matlab代码
以下是RMSE、MAPE、MAE的matlab代码:
function [RMSE,MAPE,MAE] = evaluate(y_true,y_pred)
% RMSE,MAPE,MAE evaluation for regression model
% input: y_true - true values
% y_pred - predicted values
% output: RMSE - root mean squared error
% MAPE - mean absolute percentage error
% MAE - mean absolute error
N = length(y_true);
% RMSE calculation
RMSE = sqrt(sum((y_true - y_pred).^2) / N);
% MAPE calculation
MAPE = sum(abs((y_true - y_pred) ./ y_true)) / N * 100;
% MAE calculation
MAE = sum(abs(y_true - y_pred)) / N;
end