我收到了 kerras 預(yù)測(cè)的響應(yīng)，如下所示 (y_pred)：array([[127450.63 ],
[181983.39 ],
[150607.72 ],
...,
[460400. ],
[ 92920.234],
[244455.97 ]], dtype=float32)我需要將結(jié)果與另一個(gè)如下所示的數(shù)組（t_pred）進(jìn)行比較：[105000. 172000. 189900. ... 131000. 132000. 188000.]我該如何將數(shù)組 1 轉(zhuǎn)換為類似于數(shù)組 2 以便我可以計(jì)算其mean_square_log_error，如下所示？：mean_squared_log_error(t_pred, y_pred)
1 回答
躍然一笑
TA貢獻(xiàn)1826條經(jīng)驗(yàn) 獲得超6個(gè)贊
使用ravel()或reshape(-1)或flatten()：
mean_squared_log_error(t_pred,?y_pred.ravel())
或者
mean_squared_log_error(t_pred,?y_pred.reshape(-1))
或者
mean_squared_log_error(t_pred,?y_pred.flatten())
例子：
>>> from sklearn.metrics import mean_squared_log_error
>>> y_pred = np.array([[127450.63, 181983.39,181983.39 ]])?
>>> t_pred = [105000., 172000., 189900.]
>>> mean_squared_log_error(t_pred, y_pred.ravel())
0.01418072635060214
>>> mean_squared_log_error(t_pred, y_pred.reshape(-1))
0.01418072635060214
>>> mean_squared_log_error(t_pred, y_pred.flatten())
0.01418072635060214
添加回答
舉報(bào)
0/150
提交
取消