logo

TechCodeview

RSME - Python の二乗平均平方根誤差

このチュートリアルでは、RSME (二乗平均平方根誤差) と Python でのその実装について学習します。まずはその簡単な紹介から始めましょう。

導入

RSME (二乗平均平方根誤差) は、モデルによって予測された値と実際の値の間の変換を計算します。言い換えれば、これは、回帰問題の機械学習アルゴリズムの精度とエラー率を測定する手法におけるエラーの 1 つです。

Javaリストメソッド

誤差メトリックを使用すると、さまざまなマトリックスの効率と精度を追跡できます。これらの行列を以下に示します。

  • 平均二乗誤差 (MSE)
  • 二乗平均平方根誤差 (RSME)
  • R二乗
  • 正確さ
  • メイプなど

平均二乗誤差 (MSE)

MSE は、特徴または変数の予測値と実際の値の間の平均二乗差を表すことを容易にするリスク手法です。以下の方法で計算されます。構文を以下に示します。

構文 - 

 sklearn.metrics.mean_squared_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average', squared=True)

パラメーター -

    y_true -配列のようなものです ターゲット値 または n_samples。y_pred -推定の目標値です。サンプルの重み (オプション) -サンプルの重量を表します。マルチ出力 {raw_values、uniform_average} -複数の出力値の集計を定義します。 raw_values は、複数出力入力の誤差の完全なセットを返します。uniform_average は、均一な重みを持つすべての出力の誤差です。二乗 -True の場合は MSE 値を返し、それ以外の場合は RSME 値を返します。

戻り値 -

負ではない浮動小数点値 (最適な値は 0.0) または浮動小数点値の配列 (個々のターゲットごとに 1 つ) を返します。

Javaのdoubleを文字列に変換する

次の例を理解してみましょう。

例-1 

 import math import sklearn.metrics actual = [0, 1, 2, 0, 3] predicted = [0.2, 2.3, 4.5, 0.5, 1.1] mse = sklearn.metrics.mean_squared_error(actual, predicted) rmse = math.sqrt(mse) print('The difference between actual and predicted values', rmse)

出力： 

 The difference between actual and predicted values: 1.5388307249337076

例 - 2: 

 from sklearn.metrics import mean_squared_error # Given values Y_act = [1,4,3,2,6] # Y_true = Y (original values) # calculated values Y_pred = [0.6,1.29,1.99,2.69,3.4] # Y_pred = Y' # Calculation of Mean Squared Error (MSE) mean_squared_error(Y_act,Y_pred)

出力： 

 3.15206

二乗平均平方根誤差 (RMSE)

RMSE は、平均二乗誤差関数から収集された値の平方根です。これは、モデルのパラメーターの推定値と実際の値の差をプロットするのに役立ちます。

RSME を使用すると、モデルの効率を簡単に測定できます。

RSME スコアが 180 未満であれば、アルゴリズムが適切に機能していることがわかります。いずれにしても、RSME 値が 180 を超える場合は、モデル パラメーターに特徴選択とハイパーパラメーター調整を適用する必要があります。

コレクション Java

NumPyモジュールによる二乗平均平方根誤差

RSME は、変数/特徴の予測値と実際の値の間の平均二乗差の平方根です。次の式を見てみましょう。

RSME - Python の二乗平均平方根誤差

上の式を分解してみましょう -

    S -「和」を表します。d私-i の予測値を表します。番目 p私-i の予測値を表します。番目 n -サンプルサイズを表します。

Numpyモジュールの機能を利用してRSMEを実装していきます。次の例を理解してみましょう。

注 - システムに numpy および sklearn ライブラリがない場合は、以下のコマンドを使用してインストールできます。

 pip install numpy pip install sklearn

例 - 

 import math import numpy as np actual = [1,3,6,4,2] predicted = [2.6,1.5,3.9,7,4.1] MSE = np.square(np.subtract(actual,predicted)).mean() rsme = math.sqrt(MSE) print('Root Mean Square Error:
') print(rsme)

出力： 

 Root Mean Square Error: 2.127439775880859

説明 -

上記のプログラムで予測値と実際の値の差を次のように計算しました。 numpy.subtract() 関数。まず、実際の値と予測値を含む 2 つのリストを定義しました。次に、numpy の squre() メソッドを使用して、実際の値と予測値の差の平均を計算しました。最後にrmseを計算しました。

JavaScriptのトリム

結論

このチュートリアルでは、Python を使用して二乗平均平方根を計算する方法を例を示しながら説明しました。これは主に、特定のデータセットの精度を見つけるために使用されます。 RSME が 0 を返した場合。これは、予測値と観測値に差異がないことを意味します。