[英]Mean squared error computed by TensorFlow
我试图弄清楚tensorflow
是如何计算均方误差 (MSE) 的,并且正在阅读 https 上的帖子://www.Z2C39BC19B761AC36DC046245D1_D47FE6Z.org/api_docs/squaredpython/metrics
首先,MSE 定义为(参见https://en.wikipedia.org/wiki/Mean_squared_error ):
假设我有一个 output 并创建真实值和预测值。
import numpy as np
import random
y_true = np.random.randint(0, 10, size=(2, 1))
print(y_true,"\n")
y_pred = np.random.randint(0,5,size=(2, 1))
print(y_pred)
[[7]
[5]]
[[2]
[2]]
当我调用tf.keras.losses.mean_squared_error(y_true, y_pred)
时,我期望看到的是[(7-2)^2 + (5-2)^2]/2 = 17
,但是,它返回给我array([25, 9])
。 为什么 tensorflow 不计算平均值?
然后,我增加列号。
y_true = np.random.randint(0, 10, size=(2, 3))
print(y_true,"\n")
y_pred = np.random.randint(0,5,size=(2, 3))
print(y_pred)
[[2 6 0]
[3 3 4]]
[[4 2 4]
[3 4 2]]
tensorflow
返回的答案是array([12, 1])
。 我无法理解这些值是如何计算的。 我所期待的是[(2-4)^2+ (6-2)^2+(0-4)^2]/2 + [(3-3)^2 + (3-4)^2+ (4-2)^2]/2
。
第二个值计算为
a = np.array([2,6,0])
b = np.array([4,2,4])
((b - a)**2).mean()
或[(2-4)^2+ (6-2)^2+(0-4)^2]/3
根据他们的文档,它相当于np.mean(np.square(y_true - y_pred), axis=-1)
所以它正在逐行计算mse。
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.