Scikit学习中的平均绝对百分比误差（MAPE）

我们如何使用Python和scikit-learn计算预测的平均绝对百分比误差（MAPE）？

从文档中，我们只有以下4个用于回归的度量函数：

• 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）

如前所述（例如，在Wikipedia中），MAPE可能会出现问题。最明显的是，它可能会导致被零除的错误。我的猜测是这就是为什么它不包含在sklearn指标中的原因。

但是，它很容易实现。

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

与其他指标一样使用...：

> 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

（请注意，我要乘以100并返回一个百分比。）

...但要小心：

> 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

这是更新的版本：

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