Scikit-learn'deki ortalama mutlak yüzde hatası (MAPE) [kapalı]

Python ve scikit-learn kullanarak tahminlerimizin Ortalama mutlak yüzde hatasını (MAPE) nasıl hesaplayabiliriz?

Gönderen dokümanlar , biz bağlanımlar için sadece bu 4 metrik işlevlere sahiptir:

• 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)

Belirtildiği gibi (örneğin Wikipedia'da ), MAPE sorunlu olabilir. En dikkat çekici şekilde, sıfıra bölünme hatalarına neden olabilir. Tahminime göre sklearn ölçütlerine dahil edilmedi.

Ancak, uygulanması basittir.

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

Diğer metrikler gibi kullanın ...:

> 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

(100 ile çarptığımı ve yüzde döndürdüğümü unutmayın.)

... fakat dikkatli olun:

> 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

İşte güncellenmiş bir versiyon:

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