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文章出处登录后可见！
已经登录？立即刷新
