web-dev-qa-db-fra.com

Calcul MAPE en python

Je veux calculer l'erreur moyenne absolue en pourcentage (MAPE) des valeurs prédites et vraies. J'ai trouvé une solution de ici , mais cela donne une erreur et montre une syntaxe invalide dans la ligne mask = a <> 0

    def mape_vectorized_v2(a, b): 
    mask = a <> 0
    return (np.fabs(a - b)/a)[mask].mean() 

   def mape_vectorized_v2(a, b): 
       File "<ipython-input-5-afa5c1162e83>", line 1
         def mape_vectorized_v2(a, b):
                                       ^
     SyntaxError: unexpected EOF while parsing

J'utilise spyder3. Ma valeur prédite est un type np.array et la vraie valeur est dataframe

type(predicted)
Out[7]: numpy.ndarray
type(y_test)
Out[8]: pandas.core.frame.DataFrame

Comment puis-je supprimer cette erreur et procéder au calcul MAPE?

Éditer :

predicted.head()
Out[22]: 
   Total_kWh
0   7.163627
1   6.584960
2   6.638057
3   7.785487
4   6.994427

y_test.head()
Out[23]: 
     Total_kWh
79         7.2
148        6.7
143        6.7
189        7.2
17         6.4

np.abs(y_test[['Total_kWh']] - predicted[['Total_kWh']]).head()
Out[24]: 
   Total_kWh
0        NaN
1        NaN
2        NaN
3        NaN
4   0.094427
pythonpython-3.xpandasnumpyspyder
6
Magg_rs

In python pour comparer par besoin non égal !=, ne pas <>.

Besoin donc:

def mape_vectorized_v2(a, b): 
    mask = a != 0
    return (np.fabs(a - b)/a)[mask].mean()

Une autre solution de stats.stackexchange :

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
24
jezrael

Les deux solutions ne fonctionnent pas avec des valeurs nulles. Cela fonctionne de moi:

def percentage_error(actual, predicted):
    res = np.empty(actual.shape)
    for j in range(actual.shape[0]):
        if actual[j] != 0:
            res[j] = (actual[j] - predicted[j]) / actual[j]
        else:
            res[j] = predicted[j] / np.mean(actual)
    return res

def mean_absolute_percentage_error(y_true, y_pred): 
    return np.mean(np.abs(percentage_error(np.asarray(y_true), np.asarray(y_pred)))) * 100

J'espère que ça aide.

1
Pablo Andrés Castañeda

Étant donné que les valeurs réelles peuvent également être des zéros, je prends la moyenne des valeurs réelles dans le dénominateur, au lieu des valeurs réelles:

Error = np.sum(np.abs(np.subtract(data_4['y'],data_4['pred'])))
Average = np.sum(data_4['y'])
MAPE = Error/Average
0
Satyam Anand