MSE（均方誤差）、RMSE （均方根誤差）、MAE （平均絕對誤差）

1、MSE（均方誤差）（Mean Square Error）

MSE是真實值與預測值的內插補點的平方然後求和平均。

 範圍[0,+∞)，當預測值與真實值完全相同時為0，誤差越大，該值越大。

import numpy as np
from sklearn import metrics
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
print(metrics.mean_squared_error(y_true, y_pred)) # 8.107142857142858      

2、

RMSE （均方根誤差）（Root Mean Square Error）

import numpy as np
from sklearn import metrics
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
print(np.sqrt(metrics.mean_squared_error(y_true, y_pred)))      

3、MAE （平均絕對誤差）（Mean Absolute Error）

import numpy as np
from sklearn import metrics
y_true = np.array([1.0, 5.0, 4.0, 3.0, 2.0, 5.0, -3.0])
y_pred = np.array([1.0, 4.5, 3.5, 5.0, 8.0, 4.5, 1.0])
print(metrics.mean_absolute_error(y_true, y_pred))