Numpy 中的均方誤差？

Question

numpy 中是否有計算兩個矩陣之間的均方誤差的方法？

我試過搜索，但沒有找到。 它是在不同的名稱下嗎？

如果沒有，你如何克服這個？ 您是自己編寫還是使用不同的庫？

Answer 1

您可以使用：

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

或者

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

• ax=0沿行執行平均值，對於每一列，返回一個數組
• ax=1沿列執行平均值，對於每一行，返回一個數組
• 使用ax=None沿數組按元素執行平均值，返回標量值

Answer 2

這不是numpy一部分，但它適用於numpy.ndarray對象。 numpy.matrix可以轉換為numpy.ndarray ， numpy.ndarray可以轉換為numpy.matrix 。

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

有關如何控制軸的文檔，請參閱Scikit Learn mean_squared_error 。

Answer 3

更麻木

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

Answer 4

已接受答案的另一種替代方法，可避免矩陣乘法的任何問題：

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

從np.square的文檔中：

Return the element-wise square of the input.

Answer 5

只是為了踢

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

Answer 6

計算均方誤差（方差）及其平方根（標准偏差）的標准 numpy 方法是numpy.var()和numpy.std() ，請參見此處和此處。 它們適用於矩陣並具有與numpy.mean()相同的語法。

我想這個問題和前面的答案可能是在這些功能可用之前發布的。