Python中的均方误差答案

【问题标题】：Mean Squared error in PythonPython中的均方误差
【发布时间】：2016-12-28 03:04:56
【问题描述】：

我正在尝试制作一个函数，该函数将不使用 sklearn 或其他实现从 y（真实值）和 y_pred（预测值）计算均方误差。

接下来我试试：

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

能否请您纠正我在计算中做错了什么以及可以解决谁？

【问题讨论】：

i+=1 在我看来是错误的，因为您已经有一个带有 i 的迭代器。
您也在循环内部返回，因此您只执行一次迭代并返回。您总是要在每次迭代中替换 mse 的值。另外，我不知道你想用i 做什么。您将其初始化为 0，然后将其递增，但随后您在 for 循环中使用 i 作为迭代器。仔细修改你的代码。
这个问题是重复的：stackoverflow.com/questions/17197492/…

标签： python numpy scikit-learn

【解决方案1】：

下面是如何在python中实现MSE：

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)

【讨论】：

【解决方案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，但只要您决定不使用其他库，您就希望它们是 numpy 数组，以便您可以对其进行数学运算。

numpy dot() 函数是 2 个 numpy 数组的点积（你也可以写 np.dot(d1, d1) ）

【讨论】：

【解决方案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 i 了。另一件事是您取 y 的平均值，而不是取平均值，而是取 ((y - y_pred) ** 2) 的平均值。我希望，你明白了。

【讨论】：

【解决方案4】：

您正在无缘无故地修改索引。无论如何，for循环都会增加它。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)

【讨论】：

y 的类型是什么，它是 ndarray 吗？它与使用 numpy.subtract 有何不同？