[英]modifying results in python numpy arrays
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)
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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.