python计算复数拟合的MAE、MSE、RMSE和R2Score分数_python复数方程组拟合

首先先上概念：

（yi为测量值，yi_hat为拟合值）

平均绝对误差(MAE)Mean Absolute Error，是绝对误差的平均值：

均方误差MSE(mean-square error) 该统计参数是预测数据和原始数据对应点误差的平方和的均值：

均方根误差RMSE(root mean square error)是均方误差的根号：

决定系数R2(coefficient of determination)，也称判定系数或者拟合优度：

实数拟合中的计算代码如下：

其中Z为测量值，Z_fit为拟合值

原生实现：（代码1）

# 原生实现 衡量线性回归的MSE 、 RMSE、 MAE、r2
import numpy as np
from math import sqrt
mse = np.sum((Z - Z_fit) ** 2) / len(Z)
rmse = sqrt(mse)
mae = np.sum(np.absolute(Z - Z_fit)) / len(Z)
r2 = 1-mse/ np.var(Z)    # 均方误差/方差
print(" mae:",mae,"mse:",mse," rmse:",rmse," r2:",r2)

python的sklearn库内置函数实现：（代码2）

其中y_test为测量值， y_predict为拟合值

# 使用sklearn调用衡量线性回归的MSE 、 RMSE、 MAE、r2
import numpy as np
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error
from sklearn.metrics import r2_score
print("mean_absolute_error:", mean_absolute_error(y_test, y_predict))
print("mean_squared_error:", mean_squared_error(y_test, y_predict))
print("rmse:", np.sqrt(mean_squared_error(y_test, y_predict)))
print("r2 score:", r2_score(y_test, y_predict))

复数拟合：电化学阻抗谱等效电路等需要复数拟合曲线评价R2分数和RMSE,即Z和Z_fit为复数时（格式为：a+bj）需要将距离改成模值，将差的平方改成模的平方，将求方差改成先求模值再求模值的方差，具体代码如下：（改编代码1，代码2的库函数不能应用于复数域）

"""
# 实数拟合的MSE 、 RMSE、 MAE、r2
mse = np.sum((Z - Z_fit) ** 2) / len(Z)
rmse = sqrt(mse)
mae = np.sum(np.absolute(Z - Z_fit)) / len(Z)
r2 = 1-mse/ np.var(Z) 
"""
# 复数拟合的MSE 、 RMSE、 MAE、r2
mse = np.sum(abs(Z - Z_fit) ** 2) / len(Z)
rmse = sqrt(mse)
mae = np.sum(abs(Z - Z_fit)) / len(Z)
r2 = 1-mse/ np.var(abs(Z))#均方误差/方差
print(" mae:",mae,"mse:",mse," rmse:",rmse," r2:",r2)

希望对你有帮助~嘻嘻

参考文章：Python计算统计分析MSE 、 RMSE、 MAE、r2