Вычисление среднеквадратичной ошибки в Python

Среднеквадратичная ошибка (MSE) в основном используется в качестве метрики для определения производительности алгоритма.

Формула для вычисления MSE выглядит следующим образом:

Определение переменных

  1. n n n — общее количество терминов для которого должна быть вычислена ошибка
  2. y i y_i y i — наблюдаемое значение переменной
  3. y ¯ я bar y_i y ¯ i — прогнозируемое значение переменной.

Среднее квадратическое значение ошибка — это среднее значение квадрата разницы между наблюдаемыми и прогнозируемыми значениями переменной.

В Python MSE можно вычислить довольно легко, особенно с использованием списков.

Как рассчитать MSE

  1. Вычислить разницу между каждой парой наблюдаемого и прогнозируемого значения.
  2. Возьмите квадрат значение разницы
  3. Добавьте каждый квадрат разницы, чтобы найти совокупные значения.
  4. Чтобы получить среднее значение, разделите совокупное значение на общее количество элементов в список

Пример

Предположим, вы хотите вычислить MSE, и вам предоставлены наблюдаемые и прогнозируемые значения. Упомянутые выше шаги будут реализованы следующим образом:

 y = [11,20,19,17,10] y_bar = [12,18,19.5,18,9] summing = 0 # переменная для хранения суммы разностей n = len (y  ) # поиск общего количества элементов в списке для i в диапазоне (0, n): # прохождение цикла по каждому элементу списка разность = y [i] - y_bar [i] # поиск разницы между наблюдаемым и прогнозируемым значением squared_difference = разница *  * 2 # взятие в квадрат суммирования разностей = суммирование + квадрат_разницы # взятие суммы всех разностей MSE = суммирование/n # деление суммирования на общие значения для получения среднего значения: «Среднеквадратичная ошибка составляет:», MSE 

Оцените статью
nanomode.ru
Добавить комментарий