MAPE python

MAPE是平均绝对百分比误差的缩写，用于衡量预测值与实际值之间的相对误差。在Python中，可以使用numpy包来编写自定义函数来计算MAPE指标。

以下是用于计算MAPE的Python函数示例：

import numpy as np

def mape(actual, pred):
    actual, pred = np.array(actual), np.array(pred)
    return np.mean(np.abs((actual - pred) / actual)) * 100

以上函数定义了一个名为"mape"的函数，该函数接受两个参数"actual"和"pred"，分别表示实际值和预测值。函数内部使用numpy将输入转换为数组，并通过计算平均绝对百分比误差来返回MAPE指标。

使用该函数计算MAPE的示例代码如下：

actual = [10, 20, 30, 40, 50]
pred = [12, 18, 32, 45, 55]

mape_value = mape(actual, pred)
print("MAPE value:", mape_value)

在上述示例中，"actual"和"pred"分别代表实际值和预测值的列表。通过调用"mape"函数并将实际值和预测值作为参数传递给该函数，可以计算出MAPE指标的值。最后，使用print函数将MAPE值输出到控制台。

请注意，计算MAPE指标时需要注意预测值和实际值之间的差异越小，模型的准确性就越高。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [python使用numpy包编写自定义函数计算MAPE(平均绝对百分比误差)指标mean absolute percentage error (MAPE)...](https://blog.csdn.net/zhongkeyuanchongqing/article/details/122814902)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [如何在 Python 中计算 MAPE](https://blog.csdn.net/weixin_54707168/article/details/125065017)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]