代码之家 › 专栏 › 技术社区 › stone rock

如何在python中找到对称平均绝对误差?

statistics scikit-learn numpy pandas python

stone rock · 技术社区 · 6 年前

如何使用numpy或pandas计算python中的对称平均绝对误差?Scikit sklearn中是否存在度量?

示例数据:

actual value:2,3,4,5,6,7,8,9
预测值:1,3,5,4,6,7,10,7
SMAPE的公式见下面的屏幕截图:



我怎样才能在python中使用pandas或numpy,并计算smape。


注:有关smape的更多信息:https://en.wikipedia.org/wiki/symmetric_mean_absolute_percentage_error.
Actual value:   2,3,4,5,6,7,8,9
Forecast value: 1,3,5,4,6,7,10,7


SMAPE的公式见下面的屏幕截图:



我怎样才能在Python中使用pandas或numpy并计算smape呢?

注:有关smape的详细信息:https://en.wikipedia.org/wiki/Symmetric_mean_absolute_percentage_error

2 回复 | 直到 6 年前

blue_note 6 年前

把方程转换成numpy很简单

import numpy as np

def smape(A, F):
    return 100/len(A) * np.sum(2 * np.abs(F - A) / (np.abs(A) + np.abs(F)))

A = np.array([2,3,4,5,6,7,8,9])
F = np.array([1,3,5,4,6,7,10,7])
print(smape(A, F))

gyx-hh 6 年前

尝试以下操作。

def mape(row):
    return abs(row.Forecast - row.Actual) / ((abs(row.Actual) + abs(row.Forecast))/2)

# create the pandas dataframe if you dont have one already
df=pd.DataFrame.from_dict({'Actual':[2,3,4,5,6,7,8,9], 'Forecast':[1,3,5,4,6,7,10,7]})

# apply the above function on each row 
smape = df.apply(mape, axis=1).sum() * (1/len(df))

输出: 0.19791666666666669