Python 将损失函数转化为精度函数

我有RMSE损失，定义为：

RMSE = np.sum(np.sqrt((np.array(pred_df.real_values) - np.array(pred_df.estimate_values))**2))

其中实际值和预测值介于0.0和5.0之间

我想把它作为一个精度指标，而不是一个损失，但是我不知道这个函数取值的时间间隔。我唯一能想到的是：

更糟糕的情况-所有预测都是错误的（所有预测的间隔都是5.0）：

RMSE=5.0*len（pred_df）

最佳情况-所有预测均正确：

RMSE=0.0

---

我可以使用

RMSE-5.0*len（pred_df）

作为我的精度度量吗？有更聪明的方法吗？

事实上，您的损失更多的是一个

TRSE

，因为您先取根，然后取总和，而不是平均值，因此是“总平方根误差”：。如果你真的想要RMSE损失

RMSE = np.sqrt(np.mean((np.array(pred_df.real_values) - np.array(pred_df.estimate_values))**2))

要将其转换为精度度量，您可以正确地找到最小值/最大值，但不应减去最大值；应首先减去最小值，然后除以最大值和最小值之差，即最小-最大归一化。这将给出

[0，1]

范围内的值。RMSE的最小值为0，最大值为5（您的最佳/最坏情况方法证明了这一点）。然后，（RMSE-0）/（5-0）=RMSE/5是精度指标：

acc=RMSE/5