Question

我试图创建函数来计算y（真值）和y_pred（预测值）的均方误差，而不是使用sklearn或其他实现。

我接下来会尝试：

def mserror(y, y_pred):
    i=0
    for i in range (len(y)):
        i+=1
        mse = ((y - y_pred) ** 2).mean(y)   
        return mse

请你帮我解释一下我的计算错误以及可以解决的问题？

Answer 1

您无缘无故地修改索引。 for循环无论如何都会增加它。此外，您没有使用索引，例如，您没有使用任何y[i] - y_pred[i]，因此您根本不需要循环。

使用数组

mse = np.mean((y - y_pred)**2)

Answer 2

我会说：

def get_mse(y, y_pred):
d1 = y - y_pred
mse = (1/N)*d1.dot(d1) # N is int(len(y))
return mse

仅当y和y_pred是numpy数组时才有效，但是只要您决定不使用其他库，就可以使它们成为numpy数组，以便可以对其进行数学运算。

numpy dot（）函数是2个numpy数组的点积（您也可以编写np.dot（d1，d1））

Answer 3

首先，您重复使用i并递增它但在范围内它会自动迭代到下一个数字。所以不要再使用我了。另一件事是你采取y的意思，而不是采取平均值，取（（y - y_pred）** 2）的平均值。我希望，你明白了。

Answer 4

以下是在python中实现MSE的方法：

def mse_metric(actual, predicted):
    sum_error = 0.0
    # loop over all values
    for i in range(len(actual)):
        # the error is the sum of (actual - prediction)^2
        prediction_error =  actual[i] - predicted[i]
        sum_error += (prediction_error ** 2)
    # now normalize
    mean_error = sum_error / float(len(actual))
    return (mean_error)

Python中的均方误差

4 个答案: