评估标准MSEMAERMSE计算公式python代码

评估标准：

1. 均方误差（MSE）：

MSE = 1/n * ∑(y_true - y_pred)^2

2. 平均绝对误差（MAE）：

MAE = 1/n * ∑|y_true - y_pred|

3. 均方根误差（RMSE）：

RMSE = sqrt(1/n * ∑(y_true - y_pred)^2)

其中，y_true 表示真实值，y_pred 表示预测值，n 表示样本数。

Python 代码实现：

MSE：

from sklearn.metrics import mean_squared_error

mse = mean_squared_error(y_true, y_pred)

MAE：

from sklearn.metrics import mean_absolute_error

mae = mean_absolute_error(y_true, y_pred)

RMSE：

from sklearn.metrics import mean_squared_error

rmse = mean_squared_error(y_true, y_pred, squared=False)