root_mean_squared_error#

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。

在用户指南中阅读更多内容。

在 1.4 版本中新增。

参数:
y_true形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组

真实（正确）目标值。

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, 默认值为 None

样本权重。

multioutput{'raw_values', 'uniform_average'} 或 形状为 (n_outputs,) 的类数组, 默认值为 'uniform_average'

定义多个输出值的聚合方式。类数组值定义了用于平均误差的权重。

‘raw_values’

在多输出输入情况下返回完整的误差集。

‘uniform_average’

所有输出的误差以均匀权重平均。

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，每个独立目标一个值。

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...