在Python中计算MAPE的方法和步骤简介

MAPE(Mean Absolute Percentage Error),又称平均绝对百分比误差,是一种常用的评价指标,用来衡量预测值与实际值之间的误差程度。在Python中计算MAPE的方法和步骤如下:

1. 导入所需的库

import numpy as np
import pandas as pd
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error
from sklearn.metrics import r2_score
from sklearn.metrics import mean_squared_log_error

2. 加载数据集

# 加载数据集
data = pd.read_csv('data.csv')
# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data[['x1','x2','x3']], data['y'], test_size=0.2, random_state=0)

3. 训练模型

# 使用线性回归模型训练模型
model = LinearRegression()
model.fit(X_train, y_train)
# 使用模型预测测试集
y_pred = model.predict(X_test)

4. 计算MAPE

# 计算实际值与预测值之间的误差
error = abs(y_pred - y_test)
# 计算实际值与预测值之间的百分比误差
mape = 100 * (error / y_test)
# 计算MAPE
mape = np.mean(mape)

5. 输出结果

# 输出MAPE
print("MAPE:", mape)

本文链接:http://task.lmcjl.com/news/9681.html

展开阅读全文