반응형
Numpy의 평균 제곱 오차?
두 대규모 사이의 평균 제곱 오차를 계산하는 방법이 numpy에 있습니까?
나는 검색을 시도했지만 아무것도 없었습니다. 다른 이름으로 있습니까?
없는 경우 어떻게하면? 직접 작성하거나 다른 lib를 사용하여?
당신이 사용할 수있는 :
mse = ((A - B)**2).mean(axis=ax)
또는
mse = (np.square(A - B)).mean(axis=ax)
- 함께
ax=0
평균 어레이를 돌려 각 열에 대해 행을 따라 수행 - 함께
ax=1
평균 어레이를 돌려 각 행, 열을 따라 수행 - 함께
ax=None
평균 스칼라 값을 반환하는 배열을 따라 소자 현명한 수행
의 일부는 이것은 numpy
아니지만 numpy.ndarray
개체 와 함께 작동 합니다. numpy.matrix
는 로 변환 할 수 있고는 .numpy.ndarray
numpy.ndarray
numpy.matrix
from sklearn.metrics import mean_squared_error
mse = mean_squared_error(A, B)
축 제어 방법에 대한 문서는 Scikit Learn mean_squared_error 를 참조하십시오 .
더 numpy
np.square(np.subtract(A, B)).mean()
과거 곱셈과 관련된 문제를 피하는 허용 된 답변의 또 다른 대안 :
def MSE(Y, YH):
return np.square(Y - YH).mean()
np.square에 대한 문서에서 : "입력의 요소 제곱을 반환합니다."
참고 URL : https://stackoverflow.com/questions/16774849/mean-squared-error-in-numpy
반응형
'ProgramingTip' 카테고리의 다른 글
파일에 vim 설정 포함 (0) | 2020.12.12 |
---|---|
jar를 로컬 저장소에 게시하는 방법은 무엇입니까? (0) | 2020.12.12 |
Docker Compose 파일에서 $ 달러 기호를 어떻게 이스케이프 할 수 있습니까? (0) | 2020.12.11 |
쉘 펼쳐 비교에서 x $ VAR = xyes를 자주 사용하는 이유는 무엇입니까? (0) | 2020.12.11 |
scala Iterable # map 대 Iterable # flatMap (0) | 2020.12.11 |