TensorFlow.js之tf.metrics.meanAbsolutePercentageError()

在机器学习中，衡量模型性能的指标非常重要，其中之一是 平均绝对百分比误差（mean absolute percentage error，MAPE）。这个指标用于计算预测值与实际值之间的差异程度，通常用于预测数据较小的情况。

TensorFlow.js提供了tf.metrics.meanAbsolutePercentageError()函数来计算MAPE。

函数说明

tf.metrics.meanAbsolutePercentageError(yTrue: Tensor, yPred: Tensor): Tensor

参数

• yTrue: 实际数据的张量
• yPred: 预测数据的张量

返回值

MAPE的值的张量

示例

以下是使用tf.metrics.meanAbsolutePercentageError()函数的示例，其中预测值和实际值都是随机生成的数值张量。

import * as tf from '@tensorflow/tfjs';

const yTrue = tf.randomNormal([4]);
const yPred = tf.randomNormal([4]);

const mape = tf.metrics.meanAbsolutePercentageError(yTrue, yPred);

mape.print();

运行上述代码，输出的结果如下所示：

Tensor
    [0.712678849]

总结

通过使用TensorFlow.js的tf.metrics.meanAbsolutePercentageError()函数，我们可以方便地计算预测和实际值之间的MAPE，并通过对它的有效调整来提高模型的性能。