修改python numpy数组中的结果

Question

我有一个来自 kerras 预测的响应，看起来像这样 (y_pred)：

array([[127450.63 ],
       [181983.39 ],
       [150607.72 ],
       ...,
       [460400.   ],
       [ 92920.234],
       [244455.97 ]], dtype=float32)

我需要将结果与另一个看起来像这样的数组 (t_pred) 进行比较：

[105000. 172000. 189900. ... 131000. 132000. 188000.]

我将如何将数组 1 转换为数组 2 以便我可以计算其 mean_square_log_error，如下所示？：

mean_squared_log_error(t_pred, y_pred)

Answer 1

使用ravel()或reshape(-1)或flatten() ：

mean_squared_log_error(t_pred, y_pred.ravel())

或者

mean_squared_log_error(t_pred, y_pred.reshape(-1))

或者

mean_squared_log_error(t_pred, y_pred.flatten())

例子：

>>> from sklearn.metrics import mean_squared_log_error
>>> y_pred = np.array([[127450.63, 181983.39,181983.39 ]]) 
>>> t_pred = [105000., 172000., 189900.]
>>> mean_squared_log_error(t_pred, y_pred.ravel())
0.01418072635060214
>>> mean_squared_log_error(t_pred, y_pred.reshape(-1))
0.01418072635060214
>>> mean_squared_log_error(t_pred, y_pred.flatten())
0.01418072635060214