计算不同值范围的均方误差

Posted 2023-03-12

【中文标题】计算不同值范围的均方误差

【英文标题】：Calculate Mean Squared Error for different value-ranges

【发布时间】：2020-02-14 02:53:24

【问题描述】：

我有一个 .csv，其中有很多值介于 -110 和 -50 之间。我想计算 10 范围内的均方误差（[-110, -100], [-100, -90] 等）。主要目的是，最后我可以绘制不同范围的 MSE 值并查看行为。 要导入和读取 csv，我使用以下代码：

data = pd.read_csv('MY_Bahnhof_Bridge_DATASET.csv')


data_Measured = data['rsrp_measured'] 
data_Simulated = data['rsrp_simulated']

为了计算 MSE，我从 numpy 中使用了这个函数，但我不知道它是否支持像 pyplot 这样的范围：

MSE = np.square(np.subtract(data_Messung,data_Simulation)).mean()

或者我发现的另一个函数是：

from sklearn.metrics import mean_squared_error

MSE = mean_squared_error(data_Measured, data_Simulated)

有人知道一个舒适的解决方案吗？

提前致谢！

【参考方案1】：

要理解数据是什么并不容易。据我了解，您希望在每个宽度为 10 的 bin 中计算 rsrp_measured 和 rsrp_simulated 之间的差异的 MSE。您可以使用groupby 和apply 来实现，如下所示：

from sklearn.metrics import mean_squared_error

# Calculate differences
data["diff"] = data.eval('rsrp_measured - rsrp_simulated')

# Get bins of width 10
data["bin"] = data["diff"] // 10

# Get MSE per bin
data.groupby("bin").apply(lambda x:
    mean_squared_error(x["rsrp_measured"], x["rsrp_simulated"]), axis=1)

【讨论】：

非常感谢您的回答！你是对的，我想计算每个宽度为 10 的箱内的 MSE，但不是为了差异。我想在 y 轴上绘制 MSE 值范围，在 x 轴上绘制 rsrp_measured 值范围的图。对于 x 轴上宽度为 10 的每个 bin，MSE 的值与 rsrp_simulatied 的相同范围相关。所以最后我有 5 - 6 个点告诉我，测量和模拟之间的 MSE 有多大取决于 rsrp_measured 的 bin。