精度函数: MAPE校正

平均绝对百分比误差（MAPE）是一种常用的衡量预测模型性能的指标，它通过计算预测值与实际值之间差异的百分比来评估模型的准确性。以下是关于MAPE校正的相关信息：

基础概念

MAPE的计算公式为： [ \text{MAPE} = \frac{1}{n} \sum_{i=1}^{n} \left| \frac{Y_i – \hat{Y_i}}{Y_i} \right| \times 100% ] 其中，( Y_i ) 是实际值，( \hat{Y_i} ) 是预测值，( n ) 是数据点的数量。

相关优势

• 易于解释：以百分比形式表示误差，直观易懂。
• 适用于比较：不同尺度的预测性能。

类型

• sMAPE：对称平均绝对百分比误差，通过加绝对值到分母来克服MAPE的不对称性，同时具有下限(0%)和上限(200%)。

应用场景

MAPE广泛应用于经济预测、销售预测、能源消耗预测等领域，特别是在需要了解预测误差在不同尺度上的表现时。

可能遇到的问题及解决方法

• 问题：当实际值为零时，MAPE会采用未定义的值，导致计算结果为无穷大或NaN。
• 解决方法：剔除实际值为零的样本数据，或者使用sMAPE来替代MAPE。

通过上述分析，我们可以看到MAPE校正虽然具有易于解释和比较的优势，但在使用时也需要注意其局限性，并采取相应的措施来避免或校正由于数据特性引起的问题。