我有一个数据集(可在此链接中找到:https://drive.google.com/open?id=0B2Iv8dfU4fTUY2ltNGVkMG05V00)以下格式。scikit-learn:如何以百分比计算均方根误差(RMSE)?
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 - 这就是我想要预测的(估计值)。我想要做的Y
预测(即预测根据X
以前的100个滚动值的Y
当前值。对于这一点,我已经使用random forest regression model
以下python
脚本的工作。
#!/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),并得到了RMSE
的19.57
。从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。是否有任何方法来表示该值RMSE
的百分比是多少?例如,说这个百分比的预测是正确的,这是多么的错误。
check_array
check_array
函数用于计算mean absolute percentage error (MAPE)
在最近的sklearn
版本中,但它似乎不像以前的版本一样工作,当我尝试它时,如下所示。
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)
这是返回一个错误:ValueError: not enough values to unpack (expected 2, got 1)
。这似乎是最近版本中的check_array
函数只返回single value,与以前的版本不同。
有没有什么办法来提供RMSE
的百分比或计算MAPE
使用sklearn
的Python
?
为什么投票呢?我已经看到,在我发布我的问题之前,但也没有为我工作。 –
不要问我,我不是一个低调!你能解释链接的答案不起作用吗?你有错误吗? – Imran
我做了一些改动,重新运行,现在得到了'0.064'的MAPE值,但是,我不知道这是错误还是准确性。 –