matlab计算数据MEA与RMSE误差指标

最新推荐文章于 2024-10-31 09:51:44 发布

Daler_sit

最新推荐文章于 2024-10-31 09:51:44 发布

阅读量3.5k

点赞数 1

分类专栏： matlab 文章标签： matlab 机器学习开发语言

本文链接：https://blog.youkuaiyun.com/weixin_57554259/article/details/129361545

版权

matlab 专栏收录该内容

3 篇文章

订阅专栏

MEA（均方差）和RMSE（均方根误差）是衡量模型预测效果的指标。MEA关注预测值与真实值的绝对差异，对大误差不敏感；RMSE通过对误差平方后再开根号，更敏感于大误差。给定一组真实值和预测值，可以通过计算MEA和RMSE来评估模型的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MEA（Mean Absolute Error，均方差）和RMSE（Root Mean Square Error，均方根误差）是两个经常使用的误差评价指标，用于评价模型预测值与真实值之间的误差大如其间的误差。：

1. MEA（均方差）：

将预测结果与真实值之差的绝对值求平均。

2. RMSE（均方根误差）：

将预测结果与真实值之差的平方和开根号。

MEA主要关注预测值与真实值之间的差异，对于差异较大的情况更为敏感。而RMSE对大误差更加敏感，因为它先将误差平方，再开根号。

% 计算 MEA 和 RMSE 的例子

% 假设我们有一组真实值 Y 和一组预测值 Y_pred
Y = [10, 15, 12, 8, 9];
Y_pred = [8, 14, 10, 7, 12];

% 计算 MEA
MEA = mean(abs(Y - Y_pred));
disp(['MEA = ', num2str(MEA)]);

% 计算 RMSE
RMSE = sqrt(mean((Y - Y_pred).^2));
disp(['RMSE = ', num2str(RMSE)]);

将真实值向量 y_true 和预测值向量 y_pred 替换为您的实际数据，确保二者数据量大小相同；

运行代码，得到输出的 MEA 和 RMSE 值。