[평가 지표] Mean Absolute Percentage Error (MAPE)

Mean Absolute Percentage Error (MAPE) 설명

Mean Absolute Percentage Error (MAPE)는 회귀 모델 (Regression Model)이 잘 학습되었는지를 확인할 때 많이 사용되는 평가지표입니다.

Mean Absolute Error (MAE)와 비슷하지만 실제 정답 값을 나누어 도출한 확률 값이라는 점이 가장 큰 차이점 이라고 할 수 있습니다.

MAPE는 MAE와 동일하게 값이 작을수록 모델의 성능이 좋다는 것을 의미합니다.

 

※ MAE에 대한 설명은 아래 링크에서 확인할 수 있습니다.

2022.05.11 - [정리] - [평가 지표] Mean Absolute Error (MAE)

 

MAPE의 수식은 아래와 같습니다.

 

 

수식에서 $Y_{i}$은 실제 정답 값을 의미하고, $\widehat{Y}_{i}$은 예측 값을 의미합니다.

 

 

MAPE의 장단점

- MAPE의 장점

1. 0~100% 사이의 확률 값을 가지기 때문에 결과 해석이 용이함

2. 데이터 값의 크기와 관련된 것이 아닌 비율과 관련된 값을 가지기 때문에 다양한 모델, 데이터의 성능 비교에 용이함

 

- MAPE의 단점

1. 실제 정답 값에 0이 존재하는 경우 MAPE 계산이 불가능 함

2. 실제 정답 값보다 높게 예측 하였을 경우는 MAPE 최대값의 한계가 없지만 낮게 예측 하였을 경우에는 MAPE 최대값이 100%이기 때문에, MAPE가 낮아지는 방향으로 모델을 학습하게 되면 실제 정답 값보다 낮게 예측하도록 영향을 줌

3. 실제 정답 값이 0에 가까운 매우 작은 값인 경우 MAPE값이 매우 커질 수 있음 

 

 

MAPE 코드

- MAPE 사용자 정의 함수

 

- Scikit-Learn 라이브러리에 구현된 MAPE 함수