机器学习评价指标mape
时间: 2023-11-20 09:45:50 浏览: 43
MAPE(Mean Absolute Percentage Error)是一种机器学习评价指标,用于衡量预测结果的准确性。它计算的是预测值与实际值的百分比差异的平均值。MAPE的计算公式如下:
MAPE = (1/n) * Σ(|预测值-实际值|/|实际值|) * 100
其中,n表示样本数量,Σ表示求和。
相关问题
评价指标MAPE python代码
MAPE(Mean Absolute Percentage Error)是一种常用的评价指标,用于衡量预测值与真实值之间的相对误差。以下是计算MAPE的Python代码示例:
```python
import numpy as np
def calculate_mape(y_true, y_pred):
"""
计算MAPE评价指标
:param y_true: 真实值
:param y_pred: 预测值
:return: MAPE评价指标值
"""
y_true = np.array(y_true)
y_pred = np.array(y_pred)
# 避免除以0的情况
mask = y_true != 0
mape = np.mean(np.abs((y_true - y_pred) / (y_true + 1e-8))) * 100
return mape
# 示例数据
y_true = [10, 20, 30, 40, 50]
y_pred = [12, 18, 32, 38, 45]
# 计算MAPE
mape = calculate_mape(y_true, y_pred)
print("MAPE:", mape)
```
随机森林回归模型评价指标MAPE及其计算公式
随机森林回归模型评价指标MAPE(Mean Absolute Percentage Error)是一种常用的评回归模型预测准确度的指标,它可以用来衡量预测值与真实值之间的相对误差。
MAPE的计算公式如下:
MAPE = (1/n) * Σ(|(真实值 - 预测值)/真实值|) * 100%
其中,n表示样本数量,Σ表示求和运算。
MAPE的取值范围为0到正无穷,越接近0表示模型的预测准确度越高。