问如何用Python解释MAPE (Sklearn)

EN

我试图解释我从( pred)中获得的价值，但很难理解这种解释。我需要解释的结果基于下面接受(?)模式

​

根据Python的官方解释：

注:输出在0,100范围内不是百分比，值为100并不意味着100%，而是1e2。此外，当y_true较小(这是特定于度量的)或abs(y_true - y_pred)较大时(对于大多数回归度量而言，这是常见的)，输出可以任意高。在用户指南中阅读更多内容。

所以再一次，

from sklearn.metrics import 
mean_absolute_percentage_error
y_true = [3, -0.5, 2, 7] 
y_pred = [2.5, 0.0, 2, 8]

mean_absolute_percentage_error(y_true, y_pred)
0.3273...

0.32是什么意思？如果这并不意味着32%，那又如何？

我使用这个函数，并得到两个不同数据集的结果：

0.3用于我的一组数据

1.3我的另一组数据

我可以说第一组更准确，但是我可以说30%是第一组的MAPE，130%是第二组的MAPE，我想我不能。那么，我需要如何解释这些输出呢？