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
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。