在线词典

平均相对误差的计算公式

更新日期:2026-11-12 06:56:04

$$

其中:

- $ y_i $:第 $ i $ 个实际观测值

- $ \hat{y}_i $:第 $ i $ 个预测值

- $ n $:数据点的总数

- $ \left

- $ \sum $:求和符号

该公式通过将每个数据点的相对误差(即误差占实际值的比例)进行求和并取平均,来衡量整体的预测精度。

三、平均相对误差的特点

1. 单位无量纲:由于使用的是相对误差,因此不受原始数据单位的影响。

2. 便于比较:适合在不同数据集或模型之间进行性能对比。

3. 对异常值敏感:若某次测量的实际值非常小,会导致相对误差较大,从而影响整体平均值。

四、示例说明

以下是一个简单的例子,展示如何计算平均相对误差:

标题平均相对误差的计算公式
内容

在数据分析、统计学和工程测量等领域中,评估模型或测量结果的准确性是至关重要的。其中,“平均相对误差”是一种常用的指标,用于衡量预测值与实际值之间的差异程度。它能够反映数据偏差的整体趋势,尤其适用于不同量纲或数量级的数据比较。

一、什么是平均相对误差?

平均相对误差(Mean Relative Error, MRE)是所有相对误差的平均值,用于表示预测值与真实值之间的平均偏离程度。其计算方式考虑了误差的相对比例,而非绝对数值,因此在不同数据范围之间具有可比性。

二、平均相对误差的计算公式

平均相对误差的计算公式如下:

$$

\text{MRE} = \frac{1}{n} \sum_{i=1}^{n} \left

\frac{y_i - \hat{y}_i}{y_i} \right \cdot \right $:取绝对值
实际值 $ y_i $ 预测值 $ \hat{y}_i $ 相对误差 $ \left \frac{y_i - \hat{y}_i}{y_i} \right $
10 8 0.2
20 22 0.1
30 27 0.1
40 42 0.05

计算过程如下:

$$

\text{MRE} = \frac{0.2 + 0.1 + 0.1 + 0.05}{4} = \frac{0.45}{4} = 0.1125

$$

即平均相对误差为 11.25%。

五、总结

平均相对误差是衡量模型预测精度的重要指标之一,尤其适用于需要考虑误差比例的场景。通过计算每个数据点的相对误差并求平均,可以更全面地了解模型的表现。在实际应用中,建议结合其他指标(如均方误差、决定系数等)进行综合分析,以获得更准确的评估结果。

指标名称 公式 说明
平均相对误差 $ \text{MRE} = \frac{1}{n} \sum_{i=1}^{n} \left \frac{y_i - \hat{y}_i}{y_i} \right $ 衡量预测值与实际值的平均相对偏差
相对误差 $ \left \frac{y_i - \hat{y}_i}{y_i} \right $ 单个数据点的误差占比
实际值 $ y_i $ 真实观测值
预测值 $ \hat{y}_i $ 模型或方法的预测结果
数据点数量 $ n $ 所有样本的数量

随便看