root_mean_squared_error#
- sklearn.metrics.root_mean_squared_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average')#
均方根误差回归损失。
更多信息请参阅 用户指南 。
Added in version 1.4.
- Parameters:
- y_true形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组
真实目标值（正确）。
- y_pred形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组
估计的目标值。
- sample_weight形状为 (n_samples,) 的类数组, 默认=None
样本权重。
- multioutput{‘raw_values’, ‘uniform_average’} 或形状为 (n_outputs,) 的类数组, 默认=’uniform_average’
定义多个输出值的聚合方式。 类数组值定义用于平均误差的权重。
- ‘raw_values’ :
在多输出输入的情况下返回一组完整的误差。
- ‘uniform_average’ :
所有输出的误差以均匀权重平均。
- Returns:
- loss浮点数或浮点数数组
一个非负的浮点数值（最佳值为 0.0），或每个单独目标的浮点数数组。
Examples
>>> from sklearn.metrics import root_mean_squared_error >>> y_true = [3, -0.5, 2, 7] >>> y_pred = [2.5, 0.0, 2, 8] >>> root_mean_squared_error(y_true, y_pred) 0.612... >>> y_true = [[0.5, 1],[-1, 1],[7, -6]] >>> y_pred = [[0, 2],[-1, 2],[8, -5]] >>> root_mean_squared_error(y_true, y_pred) 0.822...
