numpy、pandas实用总结(MSE、RMSE、r2)

MSE MSE（Mean Squared Error），平均平方偏差，为全部样本偏差（真实值与预测值之差）的平方和，而后取均值。 M S E = 1 m ∑ i = 1 m ( y ( i ) − y ^ ( i ) ) 2 MSE = \frac{1}{m}\sum_{i=1}^{m}(y ^ {(i)} - \hat{y} ^ {(i)}) ^ {2} MSE=m1​∑i=1m​(y(i)−y

>>阅读原文<<