推荐答案
在 R 语言中，计算均方根误差 (RMSE) 可以通过以下代码实现：
// www.javascriptcn.com code example
# 定义计算 RMSE 的函数
rmse <- function(actual, predicted) {
sqrt(mean((actual - predicted)^2))
}
# 示例数据
actual <- c(3, -0.5, 2, 7)
predicted <- c(2.5, 0.0, 2, 8)
# 计算 RMSE
result <- rmse(actual, predicted)
print(result)本题详细解读
1. 什么是均方根误差 (RMSE)？
均方根误差 (Root Mean Square Error, RMSE) 是衡量预测值与实际值之间差异的常用指标。它表示预测值与实际值之间差异的平方的平均值的平方根。RMSE 越小，表示预测模型的精度越高。
2. RMSE 的计算公式
RMSE 的计算公式如下：
[ RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2} ]
其中：
- ( y_i ) 是实际值
- ( \hat{y}_i ) 是预测值
- ( n ) 是样本数量
3. 代码解析
rmse函数接受两个参数：actual和predicted，分别表示实际值和预测值。(actual - predicted)^2计算每个样本的预测误差的平方。mean((actual - predicted)^2)计算这些平方误差的平均值。sqrt(mean((actual - predicted)^2))对平均值取平方根，得到 RMSE。
4. 示例数据
actual向量包含实际值。predicted向量包含预测值。- 通过调用
rmse函数，计算并输出 RMSE 值。
5. 注意事项
- 确保
actual和predicted的长度相同。 - RMSE 对异常值敏感，因此在数据中存在异常值时，RMSE 可能会被显著影响。