我正在嘗試為我的資料框中的每一行計算 MSE，
下面是我的代碼-
import pandas as pd
s={'AValues':[1,1,2,2],'month':[2016,2017,2018,2019],'fvalues':[55,66,77,88],'Fruits':['Apple','Mango','Orange','Banana']}
p=pd.DataFrame(data=s)
mse_df=pd.pivot_table(p,index='Fruits',columns='month',values=['AValues','fvalues'])
mse_df=mse_df.fillna(0)
這就是上面代碼的資料幀輸出的樣子——
我想在這里計算 Apples、Banana、Mango 和 Orange 的 mse，即逐行計算。（AValues- 實際值，fvalues- 預測值）
我正在嘗試以下代碼-
from sklearn.metrics import mean_squared_error
mean_squared_error(mse_df['AValues'],mse_df['fvalues'])
但是，它給了我總的 mse，而不是個人或逐行。
你能幫我看看如何找到mse嗎？
uj5u.com熱心網友回復：
我很驚訝mean_square_error你匯入的這個函式沒有軸 kwarg。相反，使用numpy
import numpy as np
MSE = np.mean((mse_df['AValues'] - mse_df['fvalues'])**2, axis=ax)
ax您希望計算平均值的軸在哪里。我對熊貓不是很熟悉，但是如果它們與 numpy 陣列/矩陣/相似的形狀相同，它可能是axis=1，雖然它可能是axis=0
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/439418.html