numpy中是否有一种方法可以计算两个矩阵之间的均方误差?
我尝试搜索但没有找到。是否使用其他名称?
如果没有,您如何克服呢?您是自己编写还是使用其他库?
numpy中是否有一种方法可以计算两个矩阵之间的均方误差?
我尝试搜索但没有找到。是否使用其他名称?
如果没有,您如何克服呢?您是自己编写还是使用其他库?
Answers:
您可以使用:
mse = ((A - B)**2).mean(axis=ax)
要么
mse = (np.square(A - B)).mean(axis=ax)
ax=0
平均值沿着行进行的,对于每一列,返回一个数组ax=1
平均值沿着列进行的,对于每一行,返回一个数组ax=None
平均值沿着阵列进行逐元素,返回一个标量值np.ndarray
将对进行元素逐个乘法a**2
,但是使用anp.matrixlib.defmatrix.matrix
将对进行矩阵乘法a**2
...
Acmp = np.array(A, dtype=int)
)
np.nanmean(((A - B) ** 2))
如果缺少值
这不是的一部分numpy
,但可以与numpy.ndarray
对象一起使用。Anumpy.matrix
可以转换为a numpy.ndarray
,anumpy.ndarray
可以转换为anumpy.matrix
。
from sklearn.metrics import mean_squared_error
mse = mean_squared_error(A, B)
有关如何控制轴的文档,请参见Scikit Learn mean_squared_error。
((A - B) ** 2).mean(axis=ax)
,ax=0
每列,ax=1
每行,ax=None
总计。