Python mxnet.metric.MAE用法及代码示例

用法: class mxnet.metric.MAE(name='mae', output_names=None, label_names=None)

参数：

name：(str) - 此度量实例的名称用于显示。
output_names：(list of str, or None) - 使用update_dict 更新时应使用的预测名称。默认情况下包括所有预测。
label_names：(list of str, or None) - 使用update_dict 更新时应使用的标签名称。默认情况下包括所有标签。

基础： mxnet.metric.EvalMetric

计算平均绝对误差 (MAE) 损失。

平均绝对误差由下式给出

\[\frac{\sum_i^n |y_i - \hat{y}_i|}{n}\]

例子：

>>> predicts = [mx.nd.array(np.array([3, -0.5, 2, 7]).reshape(4,1))]
>>> labels = [mx.nd.array(np.array([2.5, 0.0, 2, 8]).reshape(4,1))]
>>> mean_absolute_error = mx.metric.MAE()
>>> mean_absolute_error.update(labels = labels, preds = predicts)
>>> print mean_absolute_error.get()
('mae', 0.5)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.metric.MAE。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。