Berarti kesalahan persentase absolut (MAPE) di Scikit-belajar [ditutup]

Bagaimana kita menghitung kesalahan persentase absolut rata-rata (MAPE) dari prediksi kita menggunakan Python dan scikit-learn?

Dari dokumen , kami hanya memiliki 4 fungsi metrik untuk Regresi ini:

• 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)

Seperti dicatat (misalnya, di Wikipedia ), MAPE bisa bermasalah. Yang paling jelas, ini dapat menyebabkan kesalahan pembagian demi nol. Dugaan saya adalah bahwa inilah mengapa tidak termasuk dalam metrik sklearn.

Namun, sederhana untuk diimplementasikan.

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

Gunakan seperti metrik lainnya ...:

> 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

(Perhatikan bahwa saya mengalikan 100 dan mengembalikan persentase.)

... tetapi dengan hati-hati:

> 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

ini adalah versi terbaru:

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