Apakah ada fungsi pustaka untuk Root mean square error (RMSE) di python?


158

Saya tahu saya bisa mengimplementasikan fungsi root mean squared error seperti ini:

def rmse(predictions, targets):
    return np.sqrt(((predictions - targets) ** 2).mean())

Apa yang saya cari jika fungsi rmse ini diimplementasikan di perpustakaan di suatu tempat, mungkin di scipy atau scikit-learn?


5
Anda menulis fungsi di sana. Kemungkinan besar jika fungsinya sesederhana itu untuk menulis, itu tidak akan berada di perpustakaan. Anda lebih baik membuat modul sutradara yang disebut dan hanya menempatkan fungsi yang berguna di dalamnya dan menambahkannya ke jalur Anda
Ryan Saxe

14
@RyanSaxe saya tidak setuju. Saya akan merasa jauh lebih meyakinkan untuk memanggil fungsi perpustakaan daripada untuk mengimplementasikannya sendiri. Misalnya, saya menulis .sum()alih-alih .mean()karena kesalahan. Selain itu, saya kira fungsi ini banyak digunakan sehingga saya tidak melihat alasan mengapa itu tidak harus tersedia sebagai fungsi perpustakaan.
siamii

1
@siamii: Saya mengerti bahwa 100%, saya hanya berspekulasi pada alasan mengapa fungsi semacam ini mungkin tidak ada dalam scipy. Jika ya, sepertinya saya tidak dapat menemukannya
Ryan Saxe

1
Untuk orang-orang yang mencoba ini dan itu tidak berhasil: jika predictionsdan targetsmisalnya ketik int16kuadrat mungkin meluap (memberikan angka negatif). Jadi, Anda mungkin perlu .astype('int')atau .astype('double')sebelum menggunakan kotak, seperti np.sqrt(((predictions - targets).astype('double') ** 2).mean()).
John

Keuntungan lain dari memiliki ini di sklearn adalah implementasi sklearn memiliki banyak kode pelat boiler tambahan untuk memastikan array memiliki bentuk yang sama, dan termasuk parameter bobot dan juga menangani array multi-dimensi dan 'array suka' yang berbeda. Melakukan semua yang mengubah ini menjadi masalah yang jauh lebih kompleks
David Waterworth

Jawaban:


214

sklearn.metricsmemiliki mean_squared_errorfungsi. RMSE hanyalah akar kuadrat dari apa pun yang dikembalikan.

from sklearn.metrics import mean_squared_error
from math import sqrt

rms = sqrt(mean_squared_error(y_actual, y_predicted))

3
mean_squared_errordi sklearn.metricssekarang mendukung parameter tambahan: squared- "Jika Benar mengembalikan nilai MSE, jika Salah mengembalikan nilai RMSE."
Daddy32

132

Apa itu RMSE? Juga dikenal sebagai MSE, RMD, atau RMS. Masalah apa yang dipecahkannya?

Jika Anda memahami RMSE: (Root mean squared error), MSE: (Mean Squared Error) RMD (Root mean squared deviation) dan RMS: (Root Mean Squared), lalu meminta perpustakaan untuk menghitung ini untuk Anda tidak perlu dilakukan rekayasa berlebihan. . Semua metrik ini adalah satu baris kode python paling panjang 2 inci. Tiga metrik rmse, mse, rmd, dan rms pada intinya secara konseptual identik.

RMSE menjawab pertanyaan: "Seberapa mirip, rata - rata angka dalam list1 untuklist2 ?". Kedua daftar harus berukuran sama. Saya ingin "menghilangkan kebisingan di antara dua elemen yang diberikan, menghapus ukuran data yang dikumpulkan, dan mendapatkan satu nomor merasakan perubahan dari waktu ke waktu".

Intuisi dan ELI5 untuk RMSE:

Bayangkan Anda sedang belajar melempar anak panah ke papan panah. Setiap hari Anda berlatih selama satu jam. Anda ingin mengetahui apakah Anda menjadi lebih baik atau semakin buruk. Jadi setiap hari Anda membuat 10 lemparan dan mengukur jarak antara bullseye dan di mana panah Anda mengenai.

Anda membuat daftar angka-angka itu list1. Gunakan akar kuadrat kesalahan antara jarak pada hari 1 dan alist2 berisi semua nol. Lakukan hal yang sama pada hari ke-2 dan ke-n. Apa yang akan Anda dapatkan adalah nomor tunggal yang semoga berkurang seiring waktu. Ketika nomor RMSE Anda nol, Anda menekan bullsey setiap waktu. Jika nomor rmse naik, Anda semakin buruk.

Contoh dalam menghitung root mean squared error dalam python:

import numpy as np
d = [0.000, 0.166, 0.333]   #ideal target distances, these can be all zeros.
p = [0.000, 0.254, 0.998]   #your performance goes here

print("d is: " + str(["%.8f" % elem for elem in d]))
print("p is: " + str(["%.8f" % elem for elem in p]))

def rmse(predictions, targets):
    return np.sqrt(((predictions - targets) ** 2).mean())

rmse_val = rmse(np.array(d), np.array(p))
print("rms error is: " + str(rmse_val))

Yang mencetak:

d is: ['0.00000000', '0.16600000', '0.33300000']
p is: ['0.00000000', '0.25400000', '0.99800000']
rms error between lists d and p is: 0.387284994115

Notasi matematika:

root berarti penyimpangan kuadrat dijelaskan

Glyph Legend: n adalah bilangan bulat positif yang mewakili jumlah lemparan. imewakili penghitung bilangan bulat positif yang menghitung jumlah. dsingkatan jarak ideal, yang list2berisi semua nol dalam contoh di atas. psingkatan kinerja, list1dalam contoh di atas. superscript 2 adalah singkatan dari numeric squared. d i adalah indeks ke - i dari d. p i adalah indeks ke-i dari p.

Rmse dilakukan dalam langkah-langkah kecil sehingga dapat dipahami:

def rmse(predictions, targets):

    differences = predictions - targets                       #the DIFFERENCEs.

    differences_squared = differences ** 2                    #the SQUAREs of ^

    mean_of_differences_squared = differences_squared.mean()  #the MEAN of ^

    rmse_val = np.sqrt(mean_of_differences_squared)           #ROOT of ^

    return rmse_val                                           #get the ^

Bagaimana cara setiap langkah RMSE bekerja:

Mengurangi satu nomor dari yang lain memberi Anda jarak di antara mereka.

8 - 5 = 3         #absolute distance between 8 and 5 is +3
-20 - 10 = -30    #absolute distance between -20 and 10 is +30

Jika Anda mengalikan angka berapa pun dengan sendirinya, hasilnya selalu positif karena kali negatif negatif adalah positif:

3*3     = 9   = positive
-30*-30 = 900 = positive

Tambahkan semuanya, tapi tunggu, maka array dengan banyak elemen akan memiliki kesalahan lebih besar dari array kecil, jadi rata-rata mereka dengan jumlah elemen.

Tapi tunggu, kami mengkuadratkan mereka semua sebelumnya untuk memaksa mereka positif. Batalkan kerusakan dengan akar kuadrat!

Itu membuat Anda dengan angka tunggal yang mewakili, rata-rata, jarak antara setiap nilai list1 ke nilai elemen yang sesuai dari list2.

Jika nilai RMSE turun dari waktu ke waktu kami senang karena varians menurun.

RMSE bukan strategi pemasangan garis paling akurat, total kuadrat terkecil adalah:

Root mean squared error mengukur jarak vertikal antara titik dan garis, jadi jika data Anda berbentuk seperti pisang, rata di dekat bagian bawah dan curam di dekat bagian atas, maka RMSE akan melaporkan jarak yang lebih jauh ke titik tinggi, tetapi jarak pendek ke poin rendah padahal sebenarnya jaraknya setara. Ini menyebabkan kemiringan di mana garis lebih suka lebih dekat ke titik tinggi daripada rendah.

Jika ini merupakan masalah, metode kuadrat terkecil total memperbaiki ini: https://mubaris.com/posts/linear-regress

Gotchas yang dapat merusak fungsi RMSE ini:

Jika ada nulls atau infinity di salah satu daftar input, maka nilai output rmse tidak masuk akal. Ada tiga strategi untuk menangani nulls / missing values ​​/ infinities di kedua daftar: Abaikan komponen itu, nolkan atau tambahkan tebakan terbaik atau suara acak seragam ke semua langkah waktu. Setiap obat memiliki pro dan kontra tergantung pada apa artinya data Anda. Secara umum mengabaikan komponen apa pun dengan nilai yang hilang lebih disukai, tetapi ini bias RMSE ke nol membuat Anda berpikir kinerja telah meningkat ketika sebenarnya tidak. Menambahkan noise acak pada tebakan terbaik bisa lebih disukai jika ada banyak nilai yang hilang.

Untuk menjamin kebenaran relatif dari output RMSE, Anda harus menghilangkan semua nulls / infinites dari input.

RMSE tidak memiliki toleransi terhadap titik data outlier yang tidak termasuk

Root kuadrat kotak kuadrat bergantung pada semua data yang benar dan semua dihitung sama. Itu berarti satu titik tersesat yang jalan keluar di bidang kiri akan benar-benar merusak seluruh perhitungan. Untuk menangani poin data outlier dan mengabaikan pengaruhnya yang luar biasa setelah ambang tertentu, lihat Pengukur kuat yang membangun ambang untuk pemberhentian outlier.


3
Ya, fungsi sederhana. Tetapi jika Anda membutuhkannya sehari-hari gunakan itu bagus untuk hanya memiliki solusi yang benar tersedia di suatu tempat sehingga Anda tidak perlu menerapkannya setiap kali; )
logical x 2

@ eric-leschinski, saya akan sangat menghargai jika Anda dapat melihat ini: stackoverflow.com/questions/45173451/...
Desta Haileselassie Hagos

1
Ini jelas merupakan tanda dari generasi ini yang orang minta dan tunjuk ke perpustakaan berukuran multi-gigabyte; membutuhkan unduhan Jaringan 3 hingga 20 menit kemudian instal kemiringan penuh CPU, ketika yang benar-benar Anda butuhkan adalah sekitar 3 baris kode yang sesuai dengan 400 byte. Jika Anda meminta pustaka untuk pekerjaan yang dapat dikompresi menjadi 1 baris kode, itu sekitar 90 karakter lebar, maka Anda memberikan lisensi bagi orang untuk melecehkan Anda dengan 3, 10, dan segera instalasi berukuran 50GB yang 99.9999 % mengasapi. Ini bukan operasi roket. Kalkulator bertenaga surya Anda yang dibuat pada tahun 1978 dengan prosesor 740Hz dapat melakukan RMSE.
Eric Leschinski

22

Ini mungkin lebih cepat ?:

n = len(predictions)
rmse = np.linalg.norm(predictions - targets) / np.sqrt(n)

18

Di scikit-learn 0.22.0 Anda bisa melewati mean_squared_error()argumen squared=Falseuntuk mengembalikan RMSE.

from sklearn.metrics import mean_squared_error

mean_squared_error(y_actual, y_predicted, squared=False)

2
Ini adalah fitur baru dan akan lebih baik jika kita menggunakan ini.
Ravi G

9

Untuk berjaga-jaga seandainya seseorang menemukan utas ini pada 2019, ada perpustakaan bernama ml_metricsyang tersedia tanpa pra-instalasi di kernel Kaggle, cukup ringan dan mudah diakses pypi(dapat diinstal dengan mudah dan cepat dengan pip install ml_metrics):

from ml_metrics import rmse
rmse(actual=[0, 1, 2], predicted=[1, 10, 5])
# 5.507570547286102

Ini memiliki beberapa metrik menarik lainnya yang tidak tersedia di sklearn, misalnya mapk.

Referensi:


4

Sebenarnya, saya memang menulis banyak dari mereka sebagai fungsi utilitas untuk statsmodels

http://statsmodels.sourceforge.net/devel/tools.html#measure-for-fit-performance-eval-measures

dan http://statsmodels.sourceforge.net/devel/generated/statsmodels.tools.eval_measures.rmse.html#statsmodels.tools.eval_measures.rmse

Sebagian besar satu atau dua liner dan tidak banyak memeriksa input, dan terutama dimaksudkan untuk dengan mudah mendapatkan beberapa statistik ketika membandingkan array. Tetapi mereka memiliki unit test untuk argumen sumbu, karena di situlah saya kadang-kadang membuat kesalahan ceroboh.


3

Atau hanya dengan menggunakan fungsi NumPy saja:

def rmse(y, y_pred):
    return np.sqrt(np.mean(np.square(y - y_pred)))

Dimana:

  • y adalah target saya
  • y_pred adalah prediksi saya

Perhatikan bahwa rmse(y, y_pred)==rmse(y_pred, y)karena fungsi kuadrat.


3

Anda tidak dapat menemukan fungsi RMSE secara langsung di SKLearn. Tapi, alih-alih melakukan sqrt secara manual, ada cara standar lain menggunakan sklearn. Rupanya, mean_squared_error Sklearn itu sendiri berisi parameter yang disebut sebagai "kuadrat" dengan nilai default sebagai true. Jika kita setel ke false, fungsi yang sama akan mengembalikan RMSE alih-alih MSE.

# code changes implemented by Esha Prakash
from sklearn.metrics import mean_squared_error
rmse = mean_squared_error(y_true, y_pred , squared=False)

0

Berikut adalah contoh kode yang menghitung RMSE antara dua format file poligon PLY. Ini menggunakan ml_metricslib dan np.linalg.norm:

import sys
import SimpleITK as sitk
from pyntcloud import PyntCloud as pc
import numpy as np
from ml_metrics import rmse

if len(sys.argv) < 3 or sys.argv[1] == "-h" or sys.argv[1] == "--help":
    print("Usage: compute-rmse.py <input1.ply> <input2.ply>")
    sys.exit(1)

def verify_rmse(a, b):
    n = len(a)
    return np.linalg.norm(np.array(b) - np.array(a)) / np.sqrt(n)

def compare(a, b):
    m = pc.from_file(a).points
    n = pc.from_file(b).points
    m = [ tuple(m.x), tuple(m.y), tuple(m.z) ]; m = m[0]
    n = [ tuple(n.x), tuple(n.y), tuple(n.z) ]; n = n[0]
    v1, v2 = verify_rmse(m, n), rmse(m,n)
    print(v1, v2)

compare(sys.argv[1], sys.argv[2])

-1
  1. Tidak, ada perpustakaan Scikit Learn untuk pembelajaran mesin dan dapat dengan mudah digunakan dengan menggunakan bahasa Python. Ini memiliki fungsi untuk Mean Squared Error yang saya bagikan tautan di bawah:

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_squared_error.html

  1. Fungsi ini bernama mean_squared_error seperti yang diberikan di bawah ini, di mana y_true akan menjadi nilai kelas nyata untuk data tuple dan y_pred akan menjadi nilai yang diprediksi, diprediksi oleh algoritma pembelajaran mesin yang Anda gunakan:

mean_squared_error (y_true, y_pred)

  1. Anda harus memodifikasinya untuk mendapatkan RMSE (dengan menggunakan fungsi sqrt menggunakan Python). Proses ini dijelaskan dalam tautan ini: https://www.codeastar.com/regress-model-rmsd/

Jadi, kode akhir akan menjadi seperti:

dari impor sklearn.metrics mean_squared_error dari impor matematika sqrt

RMSD = sqrt (mean_squared_error (testing_y, prediksi))

cetak (RMSD)

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.