5维向量误差百分比计算方法的数学正确性确认

首先说你的代码逻辑bug #

你写的函数里有个致命问题：循环里的difs每次都被新的单个样本的相对误差覆盖了，根本没累加所有样本的误差。最后算出来的acc只是最后一个样本的相对误差除以样本数，完全不是你想要的平均误差。

改法很简单，把循环里的赋值改成累加：

difs += abs(np.linalg.norm(y_true[i])-np.linalg.norm(y_pred[i]))/(np.linalg.norm(y_true[i]))

另外最好加个判断，避免真实向量模长为0时除以0的情况。

再讲数学上的合理性 #

假设修正代码后，你算的是每个向量模长相对误差的平均值，这个方法对不对要看你想衡量什么：

• 如果你的目标就是看预测向量的长度准不准，那这个方法没问题，能直接反映长度的平均偏差比例。
• 但如果你想衡量整个向量（包括方向）的预测准确性，那这个方法就不靠谱了：
  • 比如真实向量是[1,0,0,0,0]，预测向量是[-1,0,0,0,0]，两者模长一样，按你的方法误差为0，但实际上向量方向完全相反，预测根本不对。
  • 这种情况更适合用余弦相似度（测方向一致度）、向量欧氏距离的相对误差，或者每个维度的相对误差平均值来衡量。

给你个修正后的参考代码：

import numpy as np

def accuracy_fn(y_true, y_pred):
    total_rel_error = 0.0
    sample_count = len(y_true)
    for true_vec, pred_vec in zip(y_true, y_pred):
        true_norm = np.linalg.norm(true_vec)
        # 跳过模长为0的真实向量，避免除以0
        if true_norm == 0:
            sample_count -= 1
            continue
        rel_error = abs(true_norm - np.linalg.norm(pred_vec)) / true_norm
        total_rel_error += rel_error
    # 返回平均相对误差（乘以100就是百分比形式）
    return total_rel_error / sample_count * 100 if sample_count > 0 else 0.0

内容的提问来源于stack exchange，提问作者Holy_Radiation