python - Numpy中的均方误差？

Question

numpy中是否有计算两个矩阵之间的均方误差的方法？

我试过搜索但没有找到。它是在不同的名称下吗？

如果没有，你如何克服这个？您是自己编写还是使用不同的库？

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沿行执行平均，对于每一列，返回一个数组
• ax=1沿列执行平均值，对于每一行，返回一个数组
• ax=None平均值沿数组按元素执行，返回一个标量值

Answer 2

这不是 的一部分numpy，但它适用于numpy.ndarray对象。Anumpy.matrix可以转换为 anumpy.ndarray并且 anumpy.ndarray可以转换为 a numpy.matrix。

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

有关如何控制轴的文档，请参阅Scikit Learn mean_squared_error 。

Answer 3

更加麻木

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

Answer 4

已接受答案的另一种替代方法可以避免矩阵乘法的任何问题：

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

从文件中np.square：

Return the element-wise square of the input.

Answer 5

只为踢球

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

Answer 6

计算均方误差（方差）及其平方根（标准差）的标准 numpy 方法是numpy.var()和numpy.std()，请参见此处和此处。它们适用于矩阵并具有与numpy.mean().

我想在这些功能可用之前可能已经发布了问题和前面的答案。