Numpy的平均误差？

Question

是否存在numpy中用于计算两个矩阵之间的均方误差的方法？

我试过搜索但没找到.它的名字不同吗？

如果没有,你怎么克服这个？你自己写的还是使用不同的lib？

Answer 1

您可以使用:

mse = ((A - B)**2).mean(axis=ax)

要么

mse = (np.square(A - B)).mean(axis=ax)

• 与ax=0平均值沿着行进行的,对于每一列,返回一个数组
• 与ax=1平均值沿着列进行的,对于每一行,返回一个数组
• 与ax=None平均值沿着阵列进行逐元素,返回一个标量值

Answer 2

这不是其中的一部分numpy,但它可以与numpy.ndarray对象一起使用.A numpy.matrix可以转换为a numpy.ndarray和a numpy.ndarray可以转换为a numpy.matrix.

from sklearn.metrics import mean_squared_error
mse = mean_squared_error(A, B)

有关如何控制轴的文档,请参阅Scikit了解mean_squared_error.

Answer 3

更加笨拙

np.square(np.subtract(A, B)).mean()

Answer 4

已接受答案的另一种替代方法，可避免矩阵乘法的任何问题：

 def MSE(Y, YH):
     return np.square(Y - YH).mean()

从文件中np.square：

Return the element-wise square of the input.

Answer 5

只是为了踢

mse = (np.linalg.norm(A-B)**2)/len(A)