有没有办法在sklearn上将MAPE平均平均错误与cross_validate一起使用？

如何解决有没有办法在sklearn上将MAPE平均平均错误与cross_validate一起使用？

我正在尝试使用回归模型来训练和预测多输出数据集（即预测多个目标列）。

sklearn文档中的该列表上没有MAPE的评分器： https://scikit-learn.org/stable/modules/model_evaluation.html

我知道您可以单独使用sklearn.metrics.mean_absolute_percentage_error来计算MAPE。但是有没有办法将它与cross_validate（）结合起来？我愿意使用cross_val_score或其他交叉验证方法。

谢谢！

解决方法

我不知道您是否已经找到了解决方案（因为您发布已经很久了）但这是我使用的解决方案： 我使用 here 解释的 MAPE 公式实现了我自己的 MAPE 函数，如 here 所述。 简而言之，这是我的代码（不是很干净，但可以完成工作）：

def my_custom_MAPE(clf,X_val,y_true,epsilon = 0.000001):
      y_pred = clf.predict(X_val)
      ii = 0
      for i in y_true:
          if (i < epsilon) & (i > -epsilon):
             y_true[ii] = epsilon
          else:
             y_true[ii] = y_true[ii]
          ii = ii+1
      
MAPE = (1/len(y_true))*np.sum(np.abs(y_true - y_pred)/y_true)
return MAPE

 

然后在 cross_validate 中调用它

Scoring_type = {'R2':'r2','NegMSE':'neg_mean_squared_error','MAPE': my_custom_MAPE}
cv = KFold(n_splits=K,shuffle=True,random_state=seed)
cv_results = cross_validate(Lin_model,X,y,cv=cv,scoring=Scoring_type)

希望能帮到你