题目： 计算均方根误差 （Python）

编写一个函数 calculate_rmse 来计算回归模型的均方根误差。该函数应接收两个列表，一个代表预测值 y_pred，另一个代表目标值 y_true。

输入：

示例 1：

y_pred = [3,4,5]
y_true = [3,4,5]

def calculate_rmse(y_pred, y_true) -> 0

示例 2：

y_pred = [3,4,5]
y_true = [5,4,3]

def calculate_rmse(y_pred, y_true) -> 1.63

答案

解题思路

均方根误差（RMSE）是衡量预测值与实际值之间差异的标准。其计算公式为：

$$\text{RMSE}=\sqrt{\frac{1}{n}\sum _{i=1}^n(y_{{\text{pred}}_i}-y_{{\text{true}}_i}{)}^2}$$

其中：

• $y_{{\text{pred}}_i}$ 是第 $i$ 个预测值
• $y_{{\text{true}}_i}$ 是第 $i$ 个目标值
• $n$ 是值的数量

答案代码

import math

def calculate_rmse(y_pred, y_true):
    # 检查输入列表的长度是否相同
    if len(y_pred) != len(y_true):
        raise ValueError("预测值和目标值列表的长度必须相同")

    # 计算差异平方和
    mse = sum((pred - true) ** 2 for pred, true in zip(y_pred, y_true)) / len(y_pred)
    
    # 返回均方根误差
    return round(math.sqrt(mse), 2)

# 示例 1
y_pred = [3, 4, 5]
y_true = [3, 4, 5]
print(calculate_rmse(y_pred, y_true))  # 输出: 0

# 示例 2
y_pred = [3, 4, 5]
y_true = [5, 4, 3]
print(calculate_rmse(y_pred, y_true))  # 输出: 1.63

• zip(y_pred, y_true): 将预测值和目标值配对迭代。
• (pred - true) ** 2: 计算每对预测值和目标值之间的平方差。
• sum(...)/len(y_pred): 计算所有平方差的平均值。
• math.sqrt(mse): 计算平均值的平方根。
• round(..., 2): 将结果保留两位小数。

通过这种方法，我们可以计算并返回两个列表之间的均方根误差，从而评估预测模型的性能。

更多详细答案可关注公众号查阅。