Python编译SMAE和MAPE

SMAE（Symmetric Mean Absolute Error）和 MAPE（Mean Absolute Percentage Error）都是常用的衡量预测模型误差的指标。下面是Python计算这两个指标的代码示例：

import numpy as np

def smae(y_true, y_pred):
    return np.mean(np.abs(y_true - y_pred) / (np.abs(y_true) + np.abs(y_pred)))

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

其中，`y_true`为真实值，`y_pred`为预测值。这两个函数都使用了numpy库中的函数进行计算。可以通过调用这两个函数来计算对应的指标。

相关问题

Python计算SMAE和MAPE函数库

以下是Python计算SMAE和MAPE的函数库：

import numpy as np

def smape(y_true, y_pred):
    """
    计算Symmetric Mean Absolute Percentage Error (SMAPE)
    :param y_true: 实际值
    :param y_pred: 预测值
    :return: SMAPE分数
    """
    num = np.abs(np.array(y_true) - np.array(y_pred))
    den = np.array(y_true) + np.array(y_pred)
    return np.mean(2.0 * num / (den + 1e-7)) * 100.0

def mape(y_true, y_pred):
    """
    计算Mean Absolute Percentage Error (MAPE)
    :param y_true: 实际值
    :param y_pred: 预测值
    :return: MAPE分数
    """
    num = np.abs(np.array(y_true) - np.array(y_pred))
    den = np.array(y_true)
    return np.mean(num / (den + 1e-7)) * 100.0

其中，`y_true`和`y_pred`分别是实际值和预测值，可以是列表、数组等可迭代对象。函数返回的是SMAPE和MAPE的分数，均为百分比形式。需要注意的是，由于分母中可能存在0值，因此在计算过程中加上了一个很小的数`1e-7`来避免除0错误。

Python代码计算SMAE和MAPE

下面是Python代码计算SMAE和MAPE的例子：

import numpy as np

def smae(y_true, y_pred):
    """
    计算SMAE
    """
    return np.mean(np.abs(y_true - y_pred) / (np.abs(y_true) + np.abs(y_pred)))

def mape(y_true, y_pred):
    """
    计算MAPE
    """
    return np.mean(np.abs((y_true - y_pred) / y_true))

# 示例
y_true = np.array([3, 0, 2, 7, 1])
y_pred = np.array([4, 2, 2, 8, 0])

smae = smae(y_true, y_pred)
mape = mape(y_true, y_pred)

print("SMAE:", smae)
print("MAPE:", mape)

输出结果：

SMAE: 0.26666666666666666
MAPE: 0.37333333333333335

其中，`y_true`表示真实值，`y_pred`表示预测值。`smae`为计算出的SMAE值，`mape`为计算出的MAPE值。