median_absolute_error
时间: 2023-05-02 21:01:06 浏览: 69
median_absolute_error 是一个回归评估指标,用于评估预测值与真实值之间的差异大小。它计算预测值与真实值之间的中位数绝对误差,通常用于对异常值不敏感的情况。该指标的值越小,代表预测的准确度越高。
相关问题
from sklearn.metrics import explained_variance_score,mean_absolute_error,mean_squared_error,median_absolute_error,r2_score
这是一个 Python 代码片段,导入了 sklearn 库中的一些评估指标函数。这些函数分别是 explained_variance_score、mean_absolute_error、mean_squared_error、median_absolute_error 和 r2_score。这些评估指标通常用于评估机器学习模型的性能。其中,explained_variance_score 评估模型对目标变量的解释能力,mean_absolute_error 和 mean_squared_error 评估模型预测值与真实值之间的平均绝对误差和平均平方误差,median_absolute_error 评估模型预测值与真实值之间的中位数绝对误差,r2_score 评估模型对目标变量的拟合程度。
def median_absolute_percentage_error(y_true,y_pred):
该函数计算真实值和预测值之间的中位绝对百分比误差(Median Absolute Percentage Error,简称MAPE)。
以下是该函数的Python代码实现:
```
import numpy as np
def median_absolute_percentage_error(y_true, y_pred):
"""
Computes median absolute percentage error between two arrays.
"""
y_true = np.array(y_true)
y_pred = np.array(y_pred)
return np.median(np.abs((y_true - y_pred) / y_true)) * 100
```
该函数首先将真实值和预测值转换为numpy数组,然后计算它们之间的绝对误差,并将其除以真实值。最后,它返回绝对误差的中位数乘以100,即中位绝对百分比误差。