scikit-learn：如何以百分比计算均方根误差（RMSE）？

Question

我有一个以下格式的数据集（可在此链接中找到：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 - 这就是我想要预测（估计）的值。我想做一个Y的预测（即根据X的前100个滚动值预测Y的当前值。为此，我有以下python使用random forest regression model的脚本工作。

#!/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)，得到了 RMSE 的 19.57。根据我从文档中读到的内容，它说平方误差与响应具有相同的单位。有没有办法以百分比表示RMSE 的值？例如，说这个百分比的预测是正确的，而这个百分比是错误的。

在最新版本的sklearn 中有一个check_array 函数用于计算mean absolute percentage error (MAPE)，但是当我尝试如下时，它的工作方式似乎与以前的版本不同。

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)

这将返回一个错误：ValueError: not enough values to unpack (expected 2, got 1)。而这似乎是最近版本中的check_array 函数只返回一个single value，与之前的版本不同。

有没有办法以百分比表示RMSE 或使用sklearn 为Python 计算MAPE？

Answer 1

您的calculate_mape 实现不起作用，因为您期待check_arrays 函数，该函数已在sklearn 0.16 中删除。 check_array 不是你想要的。

This StackOverflow 的回答给出了一个可行的实现。