如何在 python 中计算均方误差 (mse)

均方误差 (MSE)是衡量模型预测精度的常用方法。计算方法如下：

MSE = (1/n) * Σ(实际值 – 预测值) ²

金子：

• Σ——一个奇特的符号，意思是“和”
• n——样本量
• real——数据的实际值
• 预测– 预测数据的值

MSE 值越低，模型预测值就越准确。

如何用 Python 计算 MSE

我们可以创建一个简单的函数来用 Python 计算 MSE：

 import numpy as np

def mse(actual, pred): 
    actual, pred = np.array(actual), np.array(pred)
    return np.square(np.subtract(actual,pred)).mean() 

然后我们可以使用这个函数计算两个表的 MSE：一个包含实际数据值，另一个包含预测数据值。

 actual = [12, 13, 14, 15, 15, 22, 27]
pred = [11, 13, 14, 14, 15, 16, 18]

mse(actual, pred)

17.0

该模型的均方误差 (MSE) 为17.0 。

在实践中，均方根误差（RMSE）更常用于评估模型精度。顾名思义，它只是均方误差的平方根。

我们可以定义一个类似的函数来计算 RMSE：

 import numpy as np

def rmse(actual, pred): 
    actual, pred = np.array(actual), np.array(pred)
    return np.sqrt(np.square(np.subtract(actual,pred)).mean())

然后我们可以使用此函数计算两个表的 RMSE：一个包含实际数据值，另一个包含预测数据值。

 actual = [12, 13, 14, 15, 15, 22, 27]
pred = [11, 13, 14, 14, 15, 16, 18]

rmse(actual, pred)

4.1231

该模型的均方根误差 (RMSE) 为4.1231 。

其他资源

均方误差 (MSE) 计算器
如何在 Excel 中计算均方误差 (MSE)