如何在 Python 中计算 MAPE

平均绝对百分比误差 (MAPE) 通常用于衡量模型的预测准确性。计算如下:

MAPE = (1/n) * Σ(|实际 - 预测| / |实际|) * 100

在哪里:

Σ – 表示“总和”的符号
n – 样本量
actual – 实际数据值
prediction – 预测的数据值
MAPE 是常用的,因为它易于解释和易于解释。例如,MAPE 值为 11.5% 意味着预测值与实际值之间的平均差异为 11.5%。

MAPE 的值越低,模型预测值的能力就越好。例如,MAPE 为 5% 的模型比 MAPE 为 10% 的模型更准确。

如何在 Python 中计算 MAPE
没有内置的 Python 函数来计算 MAPE,但我们可以创建一个简单的函数来执行此操作:

import numpy as np

def mape(actual, pred): 
    actual, pred = np.array

你可能感兴趣的:(Python大学作业汇总,python,机器学习,数据挖掘)