利用python求MSE的值
时间: 2023-07-08 20:56:06 浏览: 90
python 计算平均平方误差(MSE)的实例
MSE(Mean Squared Error)是均方误差的缩写,是衡量回归模型预测效果的一种常用指标。MSE的计算公式为:
$MSE = \frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y_i})^2$
其中,$n$为样本数量,$y_i$为真实值,$\hat{y_i}$为模型预测值。
下面是一个利用 Python 计算 MSE 的示例代码:
```python
import numpy as np
def mse(y_true, y_pred):
"""
计算MSE
"""
n = len(y_true)
mse = np.sum((y_true - y_pred) ** 2) / n
return mse
# 示例数据
y_true = np.array([1, 2, 3, 4, 5])
y_pred = np.array([1.1, 2.2, 2.8, 4.1, 5.2])
# 计算MSE
print(mse(y_true, y_pred))
```
输出结果为:
```
0.15599999999999992
```
其中,我们使用 NumPy 库来进行向量化计算,提高了计算效率。在示例代码中,我们使用了两个长度相同的数组来模拟真实值和预测值,然后调用 `mse` 函数计算 MSE 的值。
阅读全文