计算MAPE（Python）

MAPE（Mean Absolute Percentage Error）是一种用于衡量预测结果准确性的指标。它可以用来评估预测结果与真实值之间的偏差程度，以便判断模型的准确度。在Python中，可以使用以下代码来计算MAPE。

def mape(actual, predicted):
    """
    计算MAPE

    参数：
    actual -- 实际值列表
    predicted -- 预测值列表

    返回值：
    MAPE
    """
    actual, predicted = np.array(actual), np.array(predicted)
    return np.mean(np.abs((actual - predicted) / actual)) * 100

该函数需要两个参数，一个是实际值列表，另一个是预测值列表。在计算MAPE之前，需要将实际值列表和预测值列表转换成NumPy数组。然后，通过应用以下公式计算MAPE。

MAPE = (1/n) * SUM(ABS((actual - predicted) / actual)) * 100

其中，n是数据点个数，actual是实际值，predicted是预测值。

返回的结果是MAPE的百分比形式。

下面是一个用例，使用上面的代码计算MAPE的值。

actual = [50, 60, 70, 80, 90]
predicted = [55, 65, 75, 85, 95]

mape(actual, predicted)

输出：

5.555555555555555

MAPE的值为5.56%。

结论

这是计算MAPE的Python代码片段，它可以帮助您计算预测结果的准确性。您可以使用该函数来评估您的预测模型，以便在不断迭代中改进其准确性。