Python 如何在列车数据集上使用SMAPE评估指标？

我使用SMAPE（对称平均绝对百分比误差）评估指标

公式：

我使用上面的函数来计算SMAPE

现在我正试图使用上面的代码SMAPE评估我的模型，但我不知道如何在训练数据集上使用它进行评估，然后预测测试数据集的值

我的代码：

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# Train and test data split 70-30 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# Establish model
model = RandomForestRegressor(n_jobs=-1)

model.fit(X_train, y_train)

现在如何将SMAPE与上述随机森林回归器一起使用？我应该使用

model.score

即

model.score（X\u测试，y\u测试）

还是

model.smape（X\u测试，y\u测试）

如果我使用

model.score（X\u测试，y\u测试）

我得到

-0.4678402626438

分数。请建议我如何在随机森林回归模型中使用SMAPE度量。

在

模型之后。拟合（X\u序列，y\u序列）

：

---

假设

y\u pred=model.predict（x\u test）

，然后使用

smape（y\u test，y\u pred）

@xyzjayne，那么在

模型之后就可以了。fit（x\u train，y\u train）

而不是使用

模型。predict（x\u test）

我应该使用

smape（y\u test，y\u pred）

我说得对吗？你需要做一个预测并把它分配给一个变量；否则，你在SMAPE中没有什么可以比较的…@xyzjayne如果可能的话，你能写一个答案：）我有一个问题：我得到的分数=101.89120508979043检查屏幕截图->但是由于我的火车数据集现在有79k行，我如何预测只有495行的测试数据集？我相信SMAPE的范围是（0200）根据你的公式。我不明白问题的第二部分——你是说样本没有被正确分割（70-30）？不，你没有明白我的意思。我是说，在火车数据集上训练模型之后，现在我想对测试数据集（而不是火车测试分割的测试数据）进行预测。如何对只有495行的测试数据集进行预测（即，应该预测目标变量）y_pred_1=model.predict（**任何测试数据集**），我猜？然后在预测之后再次使用

smape（）

我说得对吗？

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# Train and test data split 70-30 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# Establish model
model = RandomForestRegressor(n_jobs=-1)

model.fit(X_train, y_train)

y_pred = model.predict(x_test)
print(smape(y_test,y_pred))