码迷,mamicode.com
首页 > 其他好文 > 详细

RMS:均方根值,RMSE:均方根误差,MSE:标准差

时间:2018-11-16 17:45:11      阅读:357      评论:0      收藏:0      [点我收藏+]

标签:ble   结果   div   via   pac   测量   精密度   and   tar   

1、均方根值(RMS),有时也称方均根、效值。英语写为:Root
 Mean Square(RMS).
美国传统词典的定义为:The square root of the average of squares of a set of numbers.
即:将N个项的平方和除以N后开平方的结果,即均方根的结果。






#include <iostream>#include "math.h"using namespace std; double calcRMS(double* Data, int Num){    double fSum = 0;    for (int i = 0; i < Num; ++i)    {        fSum += Data[i] * Data[i];    }    return sqrt(fSum/Num);} int main(){    double data[10] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};    double a = calcRMS(data, 10);    cout << "the rms of data is:" << a << endl;    return 0;}



2、均方根误差,它是观测值与真值偏差的平方和观测次数n比值的平方根,在实际测量中,观测次数n总是有限的,真值只能用最可信赖(最佳)值来代替.方根误差对一组测量中的特大或特小误差反映非常敏感,所以,均方根误差能够很好地反映出测量的精密度。均方根误差,当对某一量进行甚多次的测量时,取这一测量列真误差的均方根差(真误差平方的算术平均值再开方),称为标准偏差,以σ表示。σ反映了测量数据偏离真实值的程度,σ越小,表示测量精度越高,因此可用σ作为评定这一测量过程精度的标准。




double calcRMSE(double* Data,double *Data2,int Num){    double fSum = 0;    for (int i = 0; i < Num; ++i)    {        fSum += (Data[i] - Data2[i]) *(Data[i] - Data2[i]);    }    return sqrt(fSum / Num);}int main(){    double dataReal[10] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};    double dataCheck[10] = { 1.02, 2.1, 2.95, 3.98,5.1, 6.05, 7.1, 7.95, 8.98, 10.1 };    double a = calcRMSE(dataReal,dataCheck,10);    cout << "the rmse of dataREAL and check is:" << a << endl;    return 0;}
3、标准差(Standard Deviation),标准差是方差的算术平方根,也称均方差(mean square error),是各数据偏离平均数的距离的平均数,它是离均差平方和平均后的方根,用σ表示,标准差能反映一个数据集的离散程度。



double calcMSR(double* DataR,double *DataC,int Num){    double fSum = 0;    double meanValue = 0;    for (int i = 0; i < Num; ++i)    {        meanValue += DataR[i];    }    meanValue = meanValue / Num;     for (int i = 0; i < Num; ++i)    {        fSum += (DataC[i] - meanValue) *(DataC[i] - meanValue);    }    return sqrt(fSum / Num); //MSR}
--------------------- 

 

RMS:均方根值,RMSE:均方根误差,MSE:标准差

标签:ble   结果   div   via   pac   测量   精密度   and   tar   

原文地址:https://www.cnblogs.com/profession/p/9969753.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!