平均相对误差的计算公式
更新日期:2026-11-12 06:56:04
| 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 |