WMAPE python

WMAPE（Weighted Mean Absolute Percentage Error）是一种衡量预测模型准确性的指标，它可以用来评估时间序列预测模型的性能。下面是一个使用Python计算WMAPE的示例代码：

import numpy as np

def wmape(y_true, y_pred, weights):
    errors = np.abs((y_true - y_pred) / y_true)
    weighted_errors = errors * weights
    wmape = np.sum(weighted_errors) / np.sum(weights)
 return wmape

# 示例数据
y_true = np.array([100, 200, 300, 400])
y_pred = np.array([110, 180, 320, 380])
weights = np.array([1, 2, 3, 4])

# 计算WMAPE
wmape_score = wmape(y_true, y_pred, weights)
print("WMAPE: ", wmape_score)

在上面的示例代码中，我们定义了一个名为`wmape`的函数，它接受三个参数：`y_true`表示真实值的数组，`y_pred`表示预测值的数组，`weights`表示每个样本的权重。函数首先计算每个样本的绝对百分比误差，然后将其乘以对应的权重，最后计算加权平均值得到WMAPE。

示例数据中，`y_true`表示真实值，`y_pred`表示预测值，`weights`表示每个样本的权重。通过调用`wmape`函数，我们可以计算出WMAPE的值，并将其打印出来。