2024-05-15 23:01:50 发布
网友
我试图计算Python中一组实际预测和测试预测的平均偏差误差(MBE)。我查看了sklearn.metrics库或NumPy,但没有列出计算它的方法
有人能提出任何图书馆或计算方法吗
谢谢, 德巴扬
MBE定义为预测值和真实值之间差异的平均值,因此您可以使用两个数据源之间的简单平均差来计算:
import numpy as np data_true = np.random.randint(0,100,size=100) data_predicted = np.random.randint(0,100,size=100) - 50 MBE = np.mean(data_predicted - data_true) #here we calculate MBE
请注意,我从预测值中减去了50,只是为了能够观察到预测值实际上与真实值有偏差
我也没有找到计算它的库,但您可以尝试以下方法:
def MBE(y_true, y_pred): ''' Parameters: y_true (array): Array of observed values y_pred (array): Array of prediction values Returns: mbe (float): Biais score ''' y_true = np.array(y_true) y_pred = np.array(y_pred) y_true = y_true.reshape(len(y_true),1) y_pred = y_pred.reshape(len(y_pred),1) diff = (y_true-y_pred) mbe = diff.mean() print('MBE = ', mbe)
MBE定义为预测值和真实值之间差异的平均值,因此您可以使用两个数据源之间的简单平均差来计算:
请注意,我从预测值中减去了50,只是为了能够观察到预测值实际上与真实值有偏差
我也没有找到计算它的库,但您可以尝试以下方法:
相关问题 更多 >
编程相关推荐