RMSE（Root Mean Square Error）均方根误差

衡量观测值与真实值之间的偏差。

常用来作为机器学习模型预测结果衡量的标准。

RMSE(X, h)=\sqrt{\frac{1}{m}\sum_{i=1}{m}(h(x_{i})-y_{i})2}

MSE（Mean Square Error）均方误差

MSE是真实值与预测值的差值的平方然后求和平均。

通过平方的形式便于求导，所以常被用作线性回归的损失函数。

MSE=\frac{1}{m}\sum_{i=1}{m}(y_{i}-\hat{y}_{i})2

MAE（Mean Absolute Error）平均绝对误差

是绝对误差的平均值。

可以更好地反映预测值误差的实际情况。

MAE(X, h)=\frac{1}{m}\sum_{i=1}^{m}\left | h(x_{i})-y_{i} \right |

SD（Standard Deviation）标准差

方差的算术平均根。

用于衡量一组数值的离散程度。

SD=\sqrt{\frac{1}{N}\sum_{i=1}{N}(x_{i}-avg(x))2}

# 机器学习
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

从 ReAct 到 Ralph Loop：AI Agent 的持续迭代范式

avatar AI编程社区
cover

构建可持续交付的SaaS平台(3)——Ai编程盛行的今天代码生成还有意义吗？

avatar AI编程社区

【译】AI 是如何解决我的拖延症的

我很难开始行动。很长一段时间里，我一直在拖延搭建这个网站、为 Visual Studio 创建一种新的编程语言以及设计全新的配色主题。每个项目看起来都让人望而生畏，我找不到时间也没有动力去着手做。这一切同时压过来，感觉实在是太多了。但当一个法定假日给了我一个长周末时，我抓住机会在 Visual Studio 中试用了 Copilot，想看看自己能有多大进展。令我惊讶的是，我完成这三个项目的速度比预

avatar AI编程社区