PyTorch：计算近似问题的模型精度

Question

有一些关于在 PyTorch 中计算分类模型的准确性的帖子，但是我如何计算近似模型的准确性？ 例如，对于分类，我通常可以计算每个类别的点击量，除以总验证集大小：

correct_count / len(validation_set)

但是，对于近似问题，我有一个模型可以预测某些

y

值的

x

。当我运行验证时，我得到的

y_pred

值与函数的原始

y

值不同。我仍然希望能够计算出该模型的“准确性”。最好的方法是什么？

我在想，例如：

avg(abs(y - y_pred)) / (max(y)-min(y))

但也许有一些最佳实践？

Answer 1

有一个称为平均百分比误差（MAPE）的指标，它可以计算模型相对于真值的误差百分比：

MAPE = avg(abs((y-y_pred)/y))

您可以参考这里了解更多关于MAPE的信息