MSE（均方误差）、RMSE （均方根误差）、MAE （平均绝对误差）
1、MSE（均方误差）（Mean Square Error）
MSE是真实值与预测值的差值的平方然后求和平均。
范围[0,+∞)，当预测值与真实值完全相同时为0，误差越大，该值越大。
import numpy as npfrom sklearn import metricsy_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])print(metrics.mean_squared_error(y_true, y_pred)) # 8.107142857142858
2、RMSE （均方根误差）（Root Mean Square Error）
import numpy as npfrom sklearn import metricsy_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])print(np.sqrt(metrics.mean_squared_error(y_true, y_pred)))
3、MAE （平均绝对误差）（Mean Absolute Error）
import numpy as npfrom sklearn import metricsy_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])print(metrics.mean_absolute_error(y_true, y_pred))
4、转载自
MSE（均方误差）、RMSE （均方根误差）、MAE （平均绝对误差）
【转载】MSE（均方误差） RMSE （均方根误差） MAE （平均绝对误差）- 机器学习 - 线性回归之模型评估
