论坛上看到别人回复的,觉得有用,转载了。
单看mape的大小是没有意义的,因为mape是个相对值,而不是绝对值。

我个人觉得,mape的大小取决于三个因素:
1, 取决于数据的variability, 比如如果你有两个正态分布,均值都是0,然后两个方差一个大,一个小,你可以试试用这两个分布来产生一些随机数,你的预测是0,但是你会发现方差大的mape大一些。
2. mape取决于你的模型或预测,假设现在你只有一个分布,均值是0,如果你的预测是0应该会比预测是1的mape小。
3. mape取决于数据中数的大小,比如你有两个数据,一个是100, 一个是1,你的预测分别是101 和2, 误差都是1,但是mape却一个大一个小。

所以我觉得mape只能用来进行对对不同模型同一组数据的评估,比如,对同一组数据,模型a给出mape比模型b给出的mape小,这样的话结论是模型a会比较好。但是如果我只说mape=10%,是不能判断这个模型好还是不好的。

mape( mean absolute percent error)相关推荐

  1. python使用numpy包编写自定义函数计算MAPE(平均绝对百分比误差)指标mean absolute percentage error (MAPE)、MAPE指标解读、MAPE指标使用的注意事项

    python使用numpy包编写自定义函数计算MAPE(平均绝对百分比误差)指标mean absolute percentage error (MAPE).MAPE指标解读.MAPE指标使用的注意事项 ...

  2. python使用numpy包编写自定义函数计算SMAPE(对称平均绝对百分比误差)指标Symmetric mean absolute percentage error、SMAPE指标解读、指标使用的注

    python使用numpy包编写自定义函数计算SMAPE(对称平均绝对百分比误差)指标Symmetric mean absolute percentage error (SMAPE).SMAPE指标解 ...

  3. 绝对和相对误差(absolute relative error)

    1. 标量 真实值为 x,测量值为 x0, 绝对误差(absolute error):Δx=x0−x(有单位): 相对误差(relative error):δx=Δxx=x0−xx=x0x−1(是一个 ...

  4. 【时间序列】使用 Auto-TS 自动化时间序列预测

    Auto-TS 是 AutoML 的一部分,它将自动化机器学习管道的一些组件.这自动化库有助于非专家训练基本的机器学习模型,而无需在该领域有太多知识.在本文中,小编和你一起学习如何使用 Auto-TS ...

  5. 机器学习:评价指标:分类问题、回归问题、排序问题

    参考:链接:https://www.jianshu.com/p/4dde15a56d44 https://blog.csdn.net/heyongluoyao8/article/details/494 ...

  6. RMSE、MAPE、准确率、召回率、F1、ROC、AUC总结

    RMSE(root mean square error)均方根误差 单纯统计误差的值. MAPE(mean absolute percentage error) 平均百分比误差 存在一个和原始数据相比 ...

  7. RMSE、MAPE、准确率、召回率、F1、ROC、AUC数据挖掘中的性能指标总结

    RMSE(root mean square error)均方根误差 单纯统计误差的值. MAPE(mean absolute percentage error) 平均百分比误差 存在一个和原始数据相比 ...

  8. 常用指标MAE/MAPE/RMSE

    在评价模型性能时,我们经常会采用MAE/MAPE/RMSE等指标进行对比,下面给出它们详细的定义 MAE Mean Absolute Error (MAE) = 1n∑i=1n∣yi−yi^∣\fra ...

  9. 模型预测精度(数值regression)评价指标 - RMSE, MAE, MAPE Bias哪个指标更好?Forecast KPIs: RMSE, MAE, MAPE Bias

    模型预测精度(数值regression)评价指标 - RMSE, MAE, MAPE & Bias哪个指标更好? 在销量/需求预测时常用的一些模型评价指标,尤其是在supplychain销量预 ...

最新文章

  1. 收获单季最大营收,“半死不活”特斯拉再续命一秒?
  2. 马斯克发推警告:高级AI将操纵社交媒体,或引发第三次世界大战
  3. 随机生成器、thread(暂停)、清屏定义
  4. 为什么要保持软件包依赖项自由循环的五个原因
  5. 图灵奖获得者、信息安全常青树Adi Shamir:从密码学到AI对抗性样本研究|智源大会嘉宾风采...
  6. 大限将至?Google先知
  7. Java三种循环结构的区别
  8. 拼音模糊搜索 php,精确搜索加拼音搜索加模糊搜索
  9. IT行业含金量较高的证书汇总
  10. Hello MySQL(八)——自定义函数
  11. 超详细linux手动配置单网卡和双网卡(bond0和team)以及DNS,linux网络配置详细说明,ps:使用命令配置
  12. 程序员必看之文章(转)
  13. 虚拟机克隆不能互ping的问题
  14. 一晚迎来十三年里最大单日涨幅,告别2021,中概股终于触底?
  15. docker运行报错:Error response from daemon:Container {containerId} is not running
  16. 最新《VRay 2.0 for sketchup渲染教程》发布芹
  17. 百度手机输入法android v4.0,挥毫方寸间 百度手机输入法Android v4.0“水墨”登场...
  18. mysql RBA_Oracle的SCN和RBA
  19. Tensorflow catdog-checkpoint
  20. zabbix系列:告警压制、控制(告警每10分钟一次、告警一直出现、告警只出现一次)

热门文章

  1. 【深度学习】GAN生成对抗网络原理详解(1)
  2. 算一算N阶乘的尾随零个数
  3. Xmind for mac下载与安装
  4. 洛谷 P2921 在农场万圣节Trick or Treat on the Farm (tarjan求强连通分量)
  5. 面试编程题1:给定一个字符串,统计出每个字母出现次数
  6. 电脑上打开WORD总是出现microsoft Office Word 已停止工作,键盘ctrl+v 复制粘贴时崩溃问题解决办法
  7. 九连环游戏算法递归实现
  8. 远程办公软件华为云WeLink高效视频会议指南(上篇:怎么预订视频会议?)
  9. html语言q,HTML: q 标签
  10. windows定时任务每天定时运行python程序的问题,相对路径和绝对路径的错误