Tính Hàm Mất Mát Bình Phương Trung Bình (MSE Loss)
Trong các bài toán Học có giám sát dạng Hồi quy (Regression), hàm mất mát Bình phương Trung bình (Mean Squared Error - MSE Loss) là hàm mục tiêu phổ biến nhất để định lượng sai lệc…
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: python-basics, linear-algebra-basics.
Nội dung đề bài
Mô tả bài toán
Trong các bài toán Học có giám sát dạng Hồi quy (Regression), hàm mất mát Bình phương Trung bình (Mean Squared Error - MSE Loss) là hàm mục tiêu phổ biến nhất để định lượng sai lệch giữa giá trị dự đoán của mô hình y và nhãn thực tế y. Do có đạo hàm trơn và phạt nặng các sai số lớn (thông qua phép bình phương), MSE là hàm mất mát cơ bản trong đào tạo mô hình Hồi quy tuyến tính và mạng nơ-ron.
Công thức tính: MSE = 1N ∑i=0N-1 (yi - yi)2
Yêu cầu
Tính giá trị MSE giữa vector dự đoán và vector nhãn thực tế, sau đó xuất kết quả theo yêu cầu.
Quy ước nộp bài
- Chỉ cần viết một chương trình đọc
stdinvà in rastdout. Bài này không yêu cầu viết hàm. - Không truyền lời nhắc vào
input(). Lời nhắc sẽ bị in vàostdoutvà làm bài sai. - Chỉ in đúng nội dung ở mục Output. Không in thêm nhãn, dòng trống hay ký tự thừa.
- Output được so khớp từng ký tự, phân biệt chữ hoa/thường và dấu câu.
Input
Dòng đầu tiên chứa số nguyên N (1 ≤ N ≤ 105) — số lượng mẫu đánh giá.
Dòng thứ hai chứa N số thực cách nhau bởi dấu cách biểu diễn vector dự đoán y.
Dòng thứ ba chứa N số thực cách nhau bởi dấu cách biểu diễn vector nhãn thực tế y.
Output
In ra một số thực duy nhất là giá trị MSE, làm tròn đúng 4 chữ số thập phân.
Ràng buộc
- 1 ≤ N ≤ 105.
- Các giá trị của yi và yi nằm trong khoảng [-104, 104].
Ví dụ
Input
3
1.0 2.0 3.0
1.0 2.0 3.0Output
0.0000Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.