线性回归模型中MAPE的解释？

Question

我用 Python 进行了线性回归。我按如下方式计算了 MAPE，得到的值为 0.052：

mean_absolute_percentage_error(y_test, pred_test)

这是否意味着我的平均百分比误差是 0.052% 或 5.2% ？

Answer 1

在你的情况下，这意味着 5.2%。您可以轻松测试这一点，例如，如果我们的预测为真实值的 80%，那么误差将为 20%，您可以看到得到 0.2：

from sklearn.metrics import mean_absolute_percentage_error
y_true = [3.3, 1.5, 2.1, 7.2]
y_pred = [0.8*i for i in y_true]

mean_absolute_percentage_error(y_true, y_pred)
Out[9]: 0.19999999999999996

Answer 2

是的，平均绝对百分比为 5.2%。 从映射中我们可以计算回归模型的准确性： (1-地图)*100 在你的情况下，mape值= 0.052 所以准确度将为 (1-0.052)*100= 94.8。我们可以说你的模型准确率为 94.8%。我希望你能明白这一点。如果我错了请纠正我。 谢谢你