使用 mse 实现损失函数答案

【问题标题】：Implementing the loss function using mse使用 mse 实现损失函数
【发布时间】：2021-01-24 00:43:12
【问题描述】：

我正在使用 MSE 来衡量损失。在下面的代码中，我实现了 loss_mse 函数，该函数应该使用给定的 theta 计算输入集的 MSE

def loss_mse(X,y,theta):
    length = len(y)
    predictions = X.dot(theta)
    error = (1/2*length) * np.sum(np.square(predictions - y))
    return error

为了测试上述功能，我编写了以下测试用例：

X = np.array([[2.0, 1.0, 3.0], [3.0, 6.0, 2.0]])
y =  np.array([1.0, 1.0])
theta = np.array([[1.0], [2.0],[1.0]])
error = loss_mse(X, y, theta)
print(error)

我必须得到73 的答案，但我得到的是584。我不明白我在哪里做错了。

【问题讨论】：

标签： python python-3.x machine-learning data-science naivebayes

【解决方案1】：

您是乘以length，而不是除以。

试试

1/(2*length) * np.sum(np.square(predictions - y))

对于给定的输入，这将导致 146，您的意思是否可能是 1/(4*length)？

【讨论】：

我刚刚使用了教科书上给出的公式，得到了 146，但根据提供的测试用例，我需要得到 73。我不明白为什么我们需要这样做？
通用的 MSE 公式是 (1/length) * np.sum(np.square(predictions - y))，所以我不确定他们到底在寻找什么