RMSE

就是 MSE 开个根号。其实实质跟 MSE 是一样的。只不过用于数据更好的描述。

例如：要做房价预测，每平方是万元（真贵），我们预测结果也是万元。那么差值的平方单位应该是千万级别的。那我们不太好描述自己做的模型效果。怎么说呢？我们的模型误差是多少千万？。。。。。。于是干脆就开个根号就好了。我们误差的结果就跟我们数据是一个级别的可，在描述模型的时候就说，我们模型的误差是多少万元。

ALS 算法的 RMSE 结果如下：

ALS 算法的 RMSE 结果就是图中的 LOSS 的数值，数值为 0.0137

RMSE

SA 算法原准确率计算代码：

        if Y_ >= 3.5 and use_a >= 3.5:
            data_ture = data_ture + 1
        if Y_ < 3.5 and use_a < 3.5:
            data_ture = data_ture + 1
        if Y_ >= 3.5 and use_a < 3.5:
            data_false = data_false + 1
        if Y_ < 3.5 and use_a >= 3.5:
            data_false = data_false + 1
        print('data_ture:', data_ture)  # 预测正确的个数
        print('data_false:', data_false)  # 预测错误的个数


accuracy = data_ture / (data_ture + data_false)
print(accuracy)
endtime = datetime.datetime.now()

print(endtime - starttime)

这里的准确率就是正确的数量除以总数得到了。

转换成 RMSE 标准的话就是需要计算 Y_ 和 use_a 之间的误差了。