Python中的RMSE

在机器学习领域，RMSE（Root Mean Squared Error）是一种用于衡量预测值与真实值之间差异的常用度量值。在Python中，我们可以使用numpy库中的函数numpy.sqrt和numpy.mean来计算RMSE。

计算RMSE的公式

RMSE的公式为：

其中，y是真实值，y_hat是我们的预测值，n是样本数。

Python代码

我们可以通过下面的Python函数来计算RMSE：

import numpy as np

def rmse(y, y_hat):
    mse = np.mean((y - y_hat)**2)
    return np.sqrt(mse)

其中，y和y_hat都是一维numpy数组，分别表示真实值和预测值。

示例

下面是一个使用上述函数计算RMSE的简单示例：

y = np.array([1, 2, 3, 4, 5])
y_hat = np.array([1.2, 2.3, 2.9, 3.8, 5.1])
print(rmse(y, y_hat))

输出结果为：

0.41148767460830053

这表示我们的预测值与真实值之间的平均差异为0.41左右。

总结

RMSE是一种常用的预测误差度量值，在机器学习模型评估中经常使用。使用numpy库中的函数可以方便地计算RMSE。