如何在python中计算smape

对称平均绝对百分比误差 (SMAPE)用于衡量模型的预测准确性。计算方法如下：

SMAPE = (1/n) * Σ(|预测 – 实际| / ((|实际| + |预测|)/2) * 100

金子：

• Σ – 表示“和”的符号
• n——样本量
• real——数据的实际值
• 预测——数据的预期值

本教程介绍如何在 Python 中计算 SMAPE。

如何在Python中计算SMAPE

没有内置的 Python 函数来计算 SMAPE，但我们可以创建一个简单的函数来执行此操作：

 import numpy as np

def smape( a , f ):
    return 1/ len (a) * np. sum (2 * np. abs (fa) / (np. abs (a) + np. abs (f))*100)

然后我们可以使用该函数计算两个表的 SMAPE：一个包含实际数据值，另一个包含预测数据值。

 #define arrays of actual and forecasted data values
actual = np.array([12, 13, 14, 15, 15,22, 27])
forecast = np.array([11, 13, 14, 14, 15, 16, 18])

#calculate SMAPE
smape(actual, forecast)

12.45302

从结果中，我们可以看到该模型的平均对称绝对百分比误差为12.45302% 。

其他资源

SMAPE 的维基百科条目
Rob J. Hyndman 对 SMAPE 的看法
如何在Python中计算MAPE
如何在 R 中计算 MAPE
如何在 Excel 中计算 MAPE