sklearn交叉验证中用MAPE作为误差函数

sklearn中的交叉验证函数默认使用的是均方误差（MSE）作为评估模型性能的指标，而不是MAPE。如果您希望在交叉验证中使用MAPE作为误差函数，可以自定义scoring参数传递给交叉验证函数。

下面是一个使用MAPE作为评估指标的示例：

import numpy as np
from sklearn.model_selection import cross_val_score
from sklearn.metrics import make_scorer

def mape(y_true, y_pred):
    return np.mean(np.abs((y_true - y_pred) / y_true)) * 100

mape_scorer = make_scorer(mape, greater_is_better=False)

# 假设你已经有一个回归模型 model, X, y 分别为特征和标签
scores = cross_val_score(model, X, y, cv=5, scoring=mape_scorer)
print("MAPE: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2))

在这个示例中，我们首先定义了一个MAPE函数，它计算真实值和预测值之间的平均绝对百分比误差。然后，我们使用make_scorer函数将MAPE函数转换为一个可用于sklearn的评估指标。最后，我们将mape_scorer传递给cross_val_score函数的scoring参数，以使用MAPE作为评估指标进行交叉验证。