學習筆記54—均方誤差(MSE)和均方根誤差(RMSE)和平均絕對誤差(MAE)

https://blog.csdn.net/reallocing1/article/details/56292877

MSE: Mean Squared Error 

均方誤差是指參數估計值與參數真值之差平方的期望值; 

MSE可以評價數據的變化程度，MSE的值越小，說明預測模型描述實驗數據具有更好的精確度。

 

MSE=1N∑t=1N(observedt−predictedt)2

MSE=1N∑t=1N(observedt−predictedt)2

RMSE 

均方誤差:均方根誤差是均方誤差的算術平方根

 

RMSE=1N∑t=1N(observedt−predictedt)2−−−−−−−−−−−−−−−−−−−−−−−−−

RMSE=1N∑t=1N(observedt−predictedt)2

MAE :Mean Absolute Error 

平均絕對誤差是絕對誤差的平均值 

平均絕對誤差能更好地反映預測值誤差的實際情況.

 

MAE=1N∑i=1N|(fi−yi)|

MAE=1N∑i=1N|(fi−yi)|

fifi表示預測值,yiyi表示真實值;

 

SD :standard Deviation 

標准差:標准差是方差的算術平方根。標准差能反映一個數據集的離散程度。平均數相同的兩組組數據，標准差未必相同。

 

SD=1N∑i=1N(xi−u)2−−−−−−−−−−−−−

SD=1N∑i=1N(xi−u)2

 

uu表示平均值(u=1N(x1+.....xN)u=1N(x1+.....xN))

原文：https://blog.csdn.net/reallocing1/article/details/56292877