均方根误差#

sklearn.metrics.root_mean_squared_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average')[source]#

均方根误差回归损失。

更多信息请参见 用户指南。

1.4版本新增。

参数：
y_truearray-like of shape (n_samples,) or (n_samples, n_outputs)

真实目标值。

y_predarray-like of shape (n_samples,) or (n_samples, n_outputs)

预测目标值。

sample_weightarray-like of shape (n_samples,), default=None

样本权重。

multioutput{'raw_values', 'uniform_average'} 或 shape 为 (n_outputs,) 的数组，默认值为 'uniform_average'

定义多个输出值的聚合方式。数组类型的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完整的误差集。

‘uniform_average’

所有输出的误差以统一权重进行平均。

返回:
loss浮点数或浮点数 ndarray

一个非负浮点值（最佳值为 0.0），或一个浮点值数组，每个值对应一个单独的目标。

示例

>>> 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...