Question

我有以下格式的数据集（在此链接中找到：https://drive.google.com/open?id=0B2Iv8dfU4fTUY2ltNGVkMG05V00）。

 time     X   Y
0.000543  0  10
0.000575  0  10
0.041324  1  10
0.041331  2  10
0.041336  3  10
0.04134   4  10
  ...
9.987735  55 239
9.987739  56 239
9.987744  57 239
9.987749  58 239
9.987938  59 239

我的数据集中的第三列（Y）是我的真实值 - 这是我想要预测的（估计）。我想对Y进行预测（即根据Y之前的100个滚动值预测X的当前值。为此，我有以下python脚本使用random forest regression model。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""

@author: deshag
"""

import pandas as pd
import numpy as np
from io import StringIO
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error
from math import sqrt



df = pd.read_csv('estimated_pred.csv')

for i in range(1,100):
    df['X_t'+str(i)] = df['X'].shift(i)

print(df)

df.dropna(inplace=True)


X=pd.DataFrame({ 'X_%d'%i : df['X'].shift(i) for i in range(100)}).apply(np.nan_to_num, axis=0).values


y = df['Y'].values


reg = RandomForestRegressor(criterion='mse')
reg.fit(X,y)
modelPred = reg.predict(X)
print(modelPred)

print("Number of predictions:",len(modelPred))

meanSquaredError=mean_squared_error(y, modelPred)
print("MSE:", meanSquaredError)
rootMeanSquaredError = sqrt(meanSquaredError)
print("RMSE:", rootMeanSquaredError)

最后，我测量了均方根误差（RMSE）并得到了RMSE 19.57。根据我从文档中读到的内容，它表示平方误差与响应具有相同的单位。有没有办法以百分比形式显示RMSE的价值？例如，要说这个预测百分比是正确的，这是错误的。

在check_array的最新版本中有一个用于计算mean absolute percentage error (MAPE)的{{1}}函数，但在我尝试时，它似乎与上一版本的工作方式不同如下所示。

sklearn

这会返回错误：import numpy as np from sklearn.utils import check_array def calculate_mape(y_true, y_pred): y_true, y_pred = check_array(y_true, y_pred) return np.mean(np.abs((y_true - y_pred) / y_true)) * 100 calculate_mape(y, modelPred)。这似乎是最近版本中的ValueError: not enough values to unpack (expected 2, got 1)函数仅返回single value，与先前版本不同。

有没有办法以check_array的百分比显示RMSE或使用MAPE sklearn计算Python？

Answer 1

您IDN_OAUTH2_ACCESS_TOKEN的实施无效，因为您期望在calculate_mape中移除check_arrays功能。 sklearn 0.16不是你想要的。

This StackOverflow回答提供了一个有效的实现。

scikit-learn：如何计算百分比的均方根误差（RMSE）？

1 个答案: