深度學習中常用的誤差方法有：

• 標準差（Standard Deviation）：

?標準差也叫均方差，是方差的算術平方根，反應數據的離散程度 ，標準差越小，數據偏離平均值越小，反之亦然 。

公式為：

python代碼為：

import math#平均值 def get_average(records):return sum(records) / len(records)#方差 def get_variance(records):average = get_average(records)return sum([(x - average) ** 2 for x in records]) / len(records)#標準差 def get_standard_deviation(records):variance = get_variance(records)return math.sqrt(variance)

• 均方誤差MSE(mean-square error)

均方誤差 反映估計量與被估計量之間的差異程度。MSE越小，預測結果月精確 。

公式為 ：

?

python代碼為：

def get_mse(records_real, records_predict):if len(records_real) == len(records_predict):return sum([(x - y) ** 2 for x, y in zip(records_real, records_predict)]) / len(records_real)else:return None

• 均方根誤差RMSE（root mean squared error）

均方根誤差為均方誤差的算術平方根。公式為：

python代碼為：

def get_rmse(records_real, records_predict):mse = get_mse(records_real, records_predict)if mse:return math.sqrt(mse)else:return None

• 平均絕對誤差MAE（mean absolute?error）

python代碼為：

def get_mae(records_real, records_predict):if len(records_real) == len(records_predict):return sum([abs(x - y) for x, y in zip(records_real, records_predict)]) / len(records_real)else:return None

---

參考資料：

【1】https://blog.csdn.net/cqfdcw/article/details/78173839

【2】https://blog.csdn.net/mouday/article/details/87936476

總結

以上是生活随笔為你收集整理的深度学习中常用的误差方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。