Esiste un metodo in numpy per calcolare l'errore quadratico medio tra due matrici?Errore quadratico medio in Numpy?
Ho provato a cercare ma non ne ho trovato. È sotto un nome diverso?
Se non c'è, come si supera questo? Lo scrivi tu stesso o usi una lib diversa?
Come suggerito da @larsmans è possibile utilizzare:
mse = ((A - B) ** 2).mean(axis=ax)
ax=0 viene eseguita la media lungo la fila, per ogni colonna, restituendo un arrayax=1 la media viene eseguita lungo la colonna, per ogni riga, restituisce un arrayax=None la media viene eseguita in senso elementare lungo l'array, restituendo un valore singoloCorretto se sbaglio, ma penso che se lo fai (MatrixA - MatrixB) ** 2 cercherà di eseguire una moltiplicazione di matrice, che è diverso dal quadrato ogni elemento singolarmente. Se si tenta di utilizzare la seguente formula con una matrice non quadrata, solleverà un'eccezione ValueError. – renatov
@renatov in un array Numpy questa formula verrà applicata a livello di elemento in modo che nessuna moltiplicazione di matrice venga eseguita –
@Saulo Castro, ho appena testato e devo insistere sul fatto che il risultato non sarà element-wise. Sto usando Python 2.7.5 e Numpy 1.7.1. Ho creato la matrice "a" e l'ho squadrata usign i seguenti comandi: 'a = numpy.matrix ([[5, 5], [5, 5]])' e poi 'a ** 2'. Il risultato è la matrice numpy 'matrix ([[50, 50], [50, 50]])', che mostra che la moltiplicazione della matrice numpy ** non ** sarà element-wise. – renatov
Questo non fa parte di numpy, ma funzionerà con gli oggetti numpy.ndarray. Un numpy.matrix può essere convertito in un numpy.ndarray e un numpy.ndarray può essere convertito in un numpy.matrix.
from sklearn.metrics import mean_squared_error
mse = mean_squared_error(A, B)
Vedere Scikit Learn mean_squared_error per la documentazione su come controllare l'asse.
Un'altra alternativa per la risposta accettata che evita eventuali problemi con la moltiplicazione di matrici:
def MSE(Y, YH):
return np.square(Y - YH).mean()
Dai documenti per np.square: "Ritorno alla piazza elemento-saggio dell'ingresso"
Ancora più NumPy
np.square(np.subtract(A, B)).mean()
'((A - B) ** 2) .mean (asse = ax)', dove 'ax = 0 'è per colonna,' ax = 1' è per-row e 'ax = None' danno un totale generale. –
Se lo formula come risposta, lo accetto. – TheMeaningfulEngineer
Questa risposta non è corretta perché quando si quadrata una matrice numpy, eseguirà una moltiplicazione matriciale quadrata rathar ogni elemento individualmente. Controlla il mio commento nella risposta di Saullo Castro. (PS: L'ho provato usando Python 2.7.5 e Numpy 1.7.1) – renatov