几何平均绝对误差#

geometric_mean_absolute_error(y_true, y_pred, horizon_weight=None, multioutput='uniform_average', **kwargs)[源代码][源代码]#

几何平均绝对误差 (GMAE)。

GMAE 输出是非负浮点数。最佳值约为零，而非零。

与 MAE 和 MdAE 类似，GMAE 的单位与输入数据相同。由于 GMAE 取预测误差的绝对值而不是平方，因此 MAE 对大误差的惩罚程度低于平方误差变体，如 MSE、RMSE、GMSE 或 RGMSE。

参数:
y_truepd.Series, pd.DataFrame 或形状为 (fh,) 或 (fh, n_outputs) 的 np.array，其中 fh 是预测范围

地面实况（正确）的目标值。

y_predpd.Series, pd.DataFrame 或形状为 (fh,) 或 (fh, n_outputs) 的 np.array，其中 fh 是预测范围

预测值。

horizon_weight类似数组的形状 (fh,)，默认=None

预测范围权重。

多输出{‘raw_values’, ‘uniform_average’} 或形状为 (n_outputs,) 的类似数组，默认=’uniform_average’

定义如何聚合多元（多输出）数据的度量。如果是类数组，则使用这些值作为权重来平均误差。如果是’raw_values’，则在多输出输入的情况下返回所有误差的完整集合。如果是’uniform_average’，则所有输出的误差以均匀权重平均。

返回:
损失浮动

GMAE 损失。如果 multioutput 是 ‘raw_values’，则分别返回每个输出的 GMAE。如果 multioutput 是 ‘uniform_average’ 或一个权重 ndarray，则返回所有输出误差的加权平均 GMAE。

参见

mean_absolute_error
median_absolute_error
mean_squared_error
median_squared_error
geometric_mean_squared_error

注释

几何平均数使用数值的乘积进行计算。如果存在零值，即使其他所有值都很大，结果也将为零。为了在 y_true 和 y_pred 的元素相等（零误差）的情况下部分解决这个问题，计算中将零误差值替换为一个小值。这导致度量标准的最小值（当 y_true 等于 y_pred 时）接近但不完全为零。

参考文献

Hyndman, R. J 和 Koehler, A. B. (2006)。《另一种预测准确度度量方法》，《国际预测杂志》，第22卷，第4期。

示例

>>> import numpy as np
>>> from sktime.performance_metrics.forecasting import     geometric_mean_absolute_error
>>> y_true = np.array([3, -0.5, 2, 7, 2])
>>> y_pred = np.array([2.5, 0.0, 2, 8, 1.25])
>>> geometric_mean_absolute_error(y_true, y_pred)
0.000529527232030127
>>> y_true = np.array([[0.5, 1], [-1, 1], [7, -6]])
>>> y_pred = np.array([[0, 2], [-1, 2], [8, -5]])
>>> geometric_mean_absolute_error(y_true, y_pred)
0.5000024031086919
>>> geometric_mean_absolute_error(y_true, y_pred, multioutput='raw_values')
array([4.80621738e-06, 1.00000000e+00])
>>> geometric_mean_absolute_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.7000014418652152
On this page