如何在Python中计算MAPE

计算MAPE（平均绝对百分比误差）是对于预测结果和真实结果之间的误差进行评估的一种指标。下面我将介绍如何在Python中计算MAPE。

准备数据

首先我们需要准备两个数组，一个数组存放真实值，另一个数组存放预测值。比如我们可以这样准备数据：

true_values = [100, 200, 300, 400, 500]
predicted_values = [110, 180, 320, 420, 520]

计算MAPE

计算MAPE的公式为

MAPE = (1/n) * ∑(i=1)^n |(true_values_i - predicted_values_i)/true_values_i|  * 100%

其中n表示样本数量，|x|表示x的绝对值。

下面是Python实现的代码示例：

def calculate_mape(true_values, predicted_values):
    if len(true_values) != len(predicted_values):
        return -1 # 如果数组长度不相等，返回-1表示出错

    n = len(true_values)
    mape = 0
    for i in range(n):
        if true_values[i] != 0:
            mape += abs(true_values[i] - predicted_values[i]) / true_values[i]

    mape *= (1/n) * 100
    return mape

示例说明

接下来通过两个示例说明如何使用上面的代码计算MAPE。

示例1

假设真实值为 [100, 200, 300, 400, 500]，预测值为 [110, 180, 310, 400, 520]，则可以调用上面的代码进行计算：

true_values = [100, 200, 300, 400, 500]
predicted_values = [110, 180, 310, 400, 520]

mape = calculate_mape(true_values, predicted_values)
print(mape) # 输出结果为 8.514

示例2

假设真实值为 [100, 200, 300, 400, 500]，预测值为 [120, 180, 280, 420, 520]，则可以调用上面的代码进行计算：

true_values = [100, 200, 300, 400, 500]
predicted_values = [120, 180, 280, 420, 520]

mape = calculate_mape(true_values, predicted_values)
print(mape) # 输出结果为 6.8

以上是使用Python计算MAPE的完整攻略。