dask_ml.metrics.mean_absolute_percentage_error
dask_ml.metrics.mean_absolute_percentage_error¶
- dask_ml.metrics.mean_absolute_percentage_error(y_true: dask_ml._typing.ArrayLike, y_pred: dask_ml._typing.ArrayLike, sample_weight: Optional[dask_ml._typing.ArrayLike] = None, multioutput: Optional[str] = 'uniform_average', compute: bool = True) dask_ml._typing.ArrayLike¶
平均绝对百分比误差回归损失。
注意，这里我们不将输出表示为范围 [0, 100] 的百分比。相反，我们将其表示为范围 [0, 1/eps] 的值。更多信息请参阅 https://scikit-learn.cn/stable/modules/model_evaluation.html#mean-absolute-percentage-error
- 参数
- y_true形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组对象
真实（正确）的目标值。
- y_pred形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组对象
估计的目标值。
- sample_weight形状为 (n_samples,) 的类数组对象，默认为 None
样本权重。
- multioutput{‘raw_values’, ‘uniform_average’} 或 类数组对象
定义多个输出值的聚合方式。类数组对象的值定义了用于平均误差的权重。如果输入是列表，则形状必须是 (n_outputs,)。‘raw_values’
在多输出输入的情况下返回完整的误差集合。
- ‘uniform_average’
所有输出的误差以统一权重平均。
- compute布尔值
是否计算此结果（默认为
True）
- 返回值
- loss浮点数或范围在 [0, 1/eps] 的浮点数类数组对象
如果 multioutput 是 ‘raw_values’，则为每个输出单独返回平均绝对百分比误差。如果 multioutput 是 ‘uniform_average’ 或
None，则返回所有输出误差的等权重平均值。MAPE 输出是非负浮点数。最佳值为 0.0。但请注意，糟糕的预测可能导致任意大的 MAPE 值，特别是当某些 y_true 值非常接近零时。请注意，当 y_true 为零时，我们返回一个很大的值而不是 inf。