python - 为什么我得到高 MAE(平均绝对误差)和 MSE(均方误差)与 MAPE(平均绝对百分比误差)相比?
问题描述
我是数据科学的新手。我正在使用支持向量回归解决回归问题。在使用网格搜索调整 SVM 参数后,我得到了 2.6% 的 MAPE,但我的 MAE 和 MSE 仍然很高。
我为 mape 使用了用户定义的函数。
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error
from sklearn.preprocessing import Normalizer
import matplotlib.pyplot as plt
def mean_absolute_percentage_error(y_true, y_pred):
y_true, y_pred = np.array(y_true), np.array(y_pred)
return np.mean(np.abs((y_true - y_pred) / y_true)) * 100
import pandas as pd
from sklearn import preprocessing
features=pd.read_csv('selectedData.csv')
import numpy as np
from scipy import stats
print(features.shape)
features=features[(np.abs(stats.zscore(features)) < 3).all(axis=1)]
target = features['SYSLoad']
features= features.drop('SYSLoad', axis = 1)
names=list(features)
for i in names:
x=features[[i]].values.astype(float)
min_max_scaler = preprocessing.MinMaxScaler()
x_scaled = min_max_scaler.fit_transform(x)
features[i]=x_scaled
选择我们想要预测的目标变量
寻找特征小鬼
import numpy as np
from sklearn.model_selection import train_test_split
train_input, test_input, train_target, test_target =
train_test_split(features, target, test_size = 0.25, random_state = 42)
trans=Normalizer().fit(train_input);
train_input=Normalizer().fit_transform(train_input);
test_input=trans.fit_transform(test_input);
n=test_target.values;
test_targ=pd.DataFrame(n);
from sklearn.svm import SVR
svr_rbf = SVR(kernel='poly', C=10, epsilon=10,gamma=10)
y_rbf = svr_rbf.fit(train_input, train_target);
predicted=y_rbf.predict(test_input);
plt.figure
plt.xlim(20,100);
print('Total Days For training',len(train_input)); print('Total Days For
Testing',len(test_input))
plt.ylabel('Load(MW) Prediction 3 '); plt.xlabel('Days');
plt.plot(test_targ,'-b',label='Actual'); plt.plot(predicted,'-r',label='RBF
kernel ');
plt.gca().legend(('Actual','RBF'))
plt.title('SVM')
plt.show();
MAPE=mean_absolute_percentage_error(test_target,predicted);
print(MAPE);
mae=mean_absolute_error(test_targ,predicted)
mse=mean_squared_error(test_targ, predicted)
print(mae);
print(mse);
我得到 MAPE = 2.56,MAE =400,MSE=437696。arent mae 和 mse 是巨大的。为什么会这样?我的目标变量 sysload 包含 10,000 范围内的值
解决方案
由于您没有提供数据,我们无法重现您的示例。布看看这个
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
你的代码
def mean_absolute_percentage_error(y_true, y_pred):
y_true, y_pred = np.array(y_true), np.array(y_pred)
return np.mean(np.abs((y_true - y_pred) / y_true)) * 100
输出
32.73809523809524
让我们比较一下
mean_squared_error(y_true, y_pred)
0.375
它非常接近。特征选择可能有问题。
推荐阅读
- entity-framework-core - Where IN Clause in Entity Framework Core
- javascript - 将 HTTP responseType 设置为 arraybuffer
- jmeter - Avoid failed cases in jmeter
- react-navigation - How to jump from one tab's stack navigator to the screen of the tab's parent navigator in react navigation ( v1 )
- angular - SpyOn 订阅的方法从未被调用
- c# - 频繁保存数百万个条目的数据库效率?
- mysql - 如何在 Windows 上禁用“secure-file-priv”?
- java - TestNg 优先级/ group-by-instances="true" 不起作用
- javascript - Three.js 仅从一侧增加盒子几何形状
- google-cloud-platform - 按最新日期过滤 BigQuery 行的最有效方法