Scikit-learn의 평균 절대 백분율 오차 (MAPE) [닫기]

Python과 scikit-learn을 사용하여 예측의 평균 절대 백분율 오차 (MAPE)를 어떻게 계산할 수 있습니까?

에서 워드 프로세서 , 우리는 회귀 만이 4 개 미터 기능을 가지고 있습니다 :

• metrics.explained_variance_score (y_true, y_pred)
• metrics.mean_absolute_error (y_true, y_pred)
• metrics.mean_squared_error (y_true, y_pred)
• metrics.r2_score (y_true, y_pred)

언급 한대로 (예 : Wikipedia에서 ) MAPE는 문제가 될 수 있습니다. 가장 중요한 것은 0으로 나누기 오류가 발생할 수 있습니다. 내 생각에 이것이 sklearn 메트릭에 포함되지 않은 이유입니다.

그러나 구현이 간단합니다.

from sklearn.utils import check_arrays
def mean_absolute_percentage_error(y_true, y_pred): 
    y_true, y_pred = check_arrays(y_true, y_pred)

    ## Note: does not handle mix 1d representation
    #if _is_1d(y_true): 
    #    y_true, y_pred = _check_1d_array(y_true, y_pred)

    return np.mean(np.abs((y_true - y_pred) / y_true)) * 100

다른 메트릭과 마찬가지로 사용하십시오.

> y_true = [3, -0.5, 2, 7]; y_pred = [2.5, -0.3, 2, 8]
> mean_absolute_percentage_error(y_true, y_pred)
Out[19]: 17.738095238095237

(100을 곱하고 백분율을 반환합니다.)

...하지만주의해서 :

> y_true = [3, 0.0, 2, 7]; y_pred = [2.5, -0.3, 2, 8]
> #Note the zero in y_pred
> mean_absolute_percentage_error(y_true, y_pred)
-c:8: RuntimeWarning: divide by zero encountered in divide
Out[21]: inf

다음은 업데이트 된 버전입니다.

import numpy as np

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