如何实现均值调整后的绝对百分比误差损失

Question

我一直在尝试在keras中实现（均值调整的绝对百分比误差）损失函数，但没有成功。

自定义损失的描述是：

APEi = | yi ^ -yi | max（| yi |，阈值）

其中，y是实际值，y是预测值，阈值是恒定的。使用阈值可确保对较小值的预测不会受到过度惩罚。

总体指标，即平均调整后的绝对百分比误差，是所有测试实例中APEi的平均值，其中

MAPE = 1 / N ∑i = 1N | yi ^ -yi | max（| yi |，290000）

我没有成功实现的代码如下：

import keras.backend as K

  def customLoss(yTrue,yPred ): 
      y_true, y_pred = K.flatten(yTrue), K.flatten(yPred)
      return np.sum(np.abs(y_test - y_pred) / max(abs(y_pred),290000)) * 
         1/len(yTrue)