Python]scikit-learn之mean_squared_error函数(MeanSquaredError(MSE))介绍和使用案例

敲开天堂之门

什么是均方误差(MSE)和均方根误差(RMSE)?MSE是均方误差(MeanSquaredError)的缩写，是一种常用的衡量回归模型预测精度的指标。它表示预测值与真实值之间差异的平方和的平均值，通常用于评估回归模型的性能。RMSE是均方根误差(RootMeanSquaredError)的缩写，是一种常用的衡量回归模型预测精度的指标。它表示预测值与真实值之间差异的平均大小，通常用于评估回归模型的性能。其中，y_i 是第i 个样本的真实值，y_p 是模型对第i 个样本的预测值，n 是样本数量。MSE，RMSE越小，说明模型的预测精度越高。但是需要注意的是，MSE，RMSE受到异常值的影响较大，因此在实际应用中需要结合其他指标（比如最大误差max_error）进行综合评估。scikit-learn库mean_squared_error函数介绍https://scikit-learn.org/stable/modules/model_evaluation.html#mean-squared-error​sklearn.metrics.mean_squared_error—scikit-learn1.3.2documentation​mean_squared_error函数使用案例案例1fromsklearn.metricsimportmean_squared_errory_true=[3,-0.5,2,7]y_pred=[2.5,0.0,2,8]print(mean_squared_error(y_true,y_pred))y_true=[[0.5,1],[-1,1],[7,-6]]y_pred=[[0,2],[-1,2],[8,-5]]print(mean_squared_error(y_true,y_pred))输出：0.3750.7083333333333334案例2fromsklearn.metricsimportmean_squared_errory_true=[3,-0.5,2,7]y_pred=[2.5,0.0,2,8]print(mean_squared_error(y_true,y_pred))y_true=[3,-0.5,2,7]y_pred=[2.5,0.0,2,8]print(mean_squared_error(y_true,y_pred,squared=False))y_true=[[0.5,1],[-1,1],[7,-6]]y_pred=[[0,2],[-1,2],[8,-5]]print(mean_squared_error(y_true,y_pred))print(mean_squared_error(y_true,y_pred,squared=False))print(mean_squared_error(y_true,y_pred,multioutput='raw_values'))print(mean_squared_error(y_true,y_pred,multioutput=[0.3,0.7]))输出：0.3750.61237243569579450.70833333333333340.8227486121839513[0.416666671.]0.825