3回答

liuyubobobo

2018-04-28

假设有两个样本。真实值结果为 y1=1, y2=2，我们的预测值，y1_hat=2, y2_hat=100

此时：

rmse = sqrt([(1-2)^2 + (2-100)^2]/2) 约为69.3

mae = 1/2 * (1 + 98) = 44.5

也就是rmse > mae

换句话说：用rmse看，它虽然和mae量纲相同，但数值更大。这意味着从rmse的尺度看，我们的算法犯的错误更严重。

这是因为，rmse内部的平方操作，放大了预测值和真实值之间的差距。如果预测值和真实值之间的差距越大，这个结果越明显。

8

5

沉沦醉生梦

回复

刘刘刘刘刘英迪

实践课堂代码确实如你所说，1/m开方与否是决定RMSE和MAE大小的主要因素，数据量越大这个趋势越明显，赞了！

2022-05-02

共5条回复

云中逐月

2020-11-26

可以把RMSE看成 y_i - y_i_hat 的平方平均数， 把 MAE 看成  y_i - y_i_hat  的算数平均数。数学上有个性质，算术平均数不超过平方平均数，这是均值不等式。

2

0

其实我是至尊贾

2020-07-01

这个看似简单的道理其实不是很容易发现，在研究计算成像的领域中，有一个引用上千次的经典论文，叫做Shades of grey and color constancy 运用的就是这样一个简单的数学思想，不过它把平方推广到了明可夫斯基范式。

感觉老师对这里的描述真的很精确，佩服！

0

1

liuyubobobo

哇，我完全不知道这篇文章，找来看一看。谢谢你的推荐：）

2020-07-01

共1条回复