Середня квадратична помилка в Numpy?

81

Чи існує метод numpy для обчислення середньоквадратичної помилки між двома матрицями?

Я намагався шукати, але не знайшов жодного. Це під іншою назвою?

Якщо немає, то як це подолати? Ви пишете це самостійно або використовуєте іншу бібліотеку?

— TheManfulfulEngineer
джерело

13

((A - B) ** 2).mean(axis=ax), де ax=0на стовпець, ax=1це на рядок і ax=Noneдає загальний підсумок.

— Fred Foo

2

Якщо ви сформулюєте це як відповідь, я прийму це.

— TheMeaningfulEngineer

Ця відповідь не є правильною, оскільки коли ви формуєте матрицю numpy, вона виконує множення матриці rathar квадрат кожного елемента окремо. Перевірте мій коментар у відповіді Сауло Кастро. (PS: Я тестував його за допомогою Python 2.7.5 та Numpy 1.7.1)

— renatov

Також як примітку для тих, хто дивиться на це в контексті нейронних мереж, ви повинні підсумувати помилку, а не середню. Усереднення помилки дасть вам неправильні значення градієнта, якщо ви спробуєте виконати перевірку градації (якщо ви не врахуєте в backprop середнє значення, яке більше роботи, ніж це варте)

— Рецесивний

100

Ви можете використовувати:

mse = ((A - B)**2).mean(axis=ax)

Або

mse = (np.square(A - B)).mean(axis=ax)

із ax=0середнім значенням виконується вздовж рядка, для кожного стовпця, повертаючи масив
із ax=1середнім значенням виконується вздовж стовпця, для кожного рядка, повертаючи масив
із ax=Noneсереднім значенням виконується елементно вздовж масиву, повертаючи скалярне значення

— Сауло GP Кастро
джерело

2

Виправте, якщо я помиляюся, але я думаю, що якщо ви це зробите (MatrixA - MatrixB) ** 2, він спробує виконати множення матриці, яке відрізняється від квадрата кожного елемента окремо. Якщо ви спробуєте використати наступну формулу з неквадратною матрицею, це призведе до ValueError.

— Ренатов

7

@renatov, можливо, ви мене неправильно зрозуміли, використовуючи np.ndarrayволю, виконайте елементне множення для a**2, але використання np.matrixlib.defmatrix.matrixволі зробіть матричне множення для a**2...

— Саулло Г.П. Кастро

2

Вибачте, я вас неправильно зрозумів. Я думав, ви використовуєте numpy.matrix.

— Ренатов

1

Майте на увазі, що якщо ви порівнюєте 2 матриці uint, це не спрацює, оскільки різниця матиме від’ємні числа. Вам потрібно буде зробити внутрішні копії заздалегідь ( Acmp = np.array(A, dtype=int))

— Чарльз Л.

3

np.nanmean(((A - B) ** 2))якщо відсутні значення

— user0

38

Це не є частиною numpy, але це буде працювати з numpy.ndarrayоб’єктами. A numpy.matrixможна перетворити на a, numpy.ndarrayа a numpy.ndarray- на a numpy.matrix.

from sklearn.metrics import mean_squared_error
mse = mean_squared_error(A, B)

Див. Scikit Learn mean_squared_error для отримання документації щодо управління віссю.

— Благодійний Лещинський
джерело

23

Ще більше онімілий

np.square(np.subtract(A, B)).mean()

— Марк Свардстрем
джерело

1

До речі, цей спосіб еквівалентний функції Sci-kitLearn, приємно!

— Е. АМАРАЛ

5

Інша альтернатива прийнятій відповіді, яка дозволяє уникнути будь-яких проблем із множенням матриць:

 def MSE(Y, YH):
     return np.square(Y - YH).mean()

З документів для np.square : "Поверніть елементний квадрат введення."

— нікандрос
джерело

4

Тільки для ударів ногами

mse = (np.linalg.norm (AB) ** 2) / len (A)

— dcneuro
джерело

0

Стандартні методи Numpy для розрахунку середньої квадратичної помилки (дисперсії) і його квадратний корінь (стандартне відхилення) є numpy.var()і numpy.std()дивіться тут і тут . Вони застосовуються до матриць і мають такий самий синтаксис, як numpy.mean().

Я припускаю, що питання та попередні відповіді могли бути опубліковані до того, як ці функції стали доступними.

— Вадим
джерело

MSE та дисперсія не є однаковими, якщо середнє значення не дорівнює нулю (тобто, якщо A і B не мають однакового середнього значення, так що AB має середнє нуль у розрахунках вище).

— Дрю