训练集测试集mape

在训练集和测试集上计算MAPE（平均绝对百分比误差）的方法可以使用以下代码：

import numpy as np

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

mape_train = calculate_mape(y_true_train, y_pred_train)
mape_test = calculate_mape(y_true_test, y_pred_test)

其中，`y_true_train`和`y_true_test`分别是训练集和测试集的真实目标值，`y_pred_train`和`y_pred_test`分别是训练集和测试集的预测目标值。通过调用`calculate_mape`函数，可以得到训练集和测试集上的MAPE值。

引用\[2\]提供了一个使用MATLAB计算MAPE和RMS的例子，但在Python中可以使用类似的方法来计算MAPE。引用\[3\]中提到的代码问题可以通过使用向量化操作来加速计算，避免使用循环来迭代每个样本。这样可以显著提高计算效率。
#### 引用[.reference_title]
- *1* [机器学习训练集、验证集、测试集，分类问题和回归问题评估指标，交叉验证法，macro avg与weighted avg含义...](https://blog.csdn.net/qq_43874317/article/details/126236172)[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^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [如何有效地计算MATLAB中神经网络应用中训练/测试集的MAPE？](https://blog.csdn.net/weixin_39649405/article/details/116056190)[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^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]