数据框有两列的时候,我们想筛选A列大于B列的样本出来时,只需要用布尔值索引就行:
df[df['A']>df['B]]
可是多条件的筛选的时候怎么办,比如我需要A大于B列,还有A小于C列。
可以写多条件的索引:
df[(df['actual']>df['Low']) &(df['actual']<df['Upper'])]
在做区间估计的评价指标的时候,我想找出预测的真实值小于最大值和大于最小值的情况的个数,可以用上面的方法,还可以用一个更加简单的方法:
df.query('Low<actual<Upper')
也可以复杂点,用新增列布尔值去逻辑运算,多条件判断,找到不符合情况的样本的布尔值,然后去索引。
df[df.assign(up=df.Upper<df.actual).assign(lo=df.Low>df.actual).assign(bo=lambda d:d[['up','lo']].any(axis=1))['bo']]
区间估计指标
这里给出论文里面的四个区间估计的评价指标公式:
PICP:
PINAW:
CWC:
还有一个新指标PIEE:
他们各有各的优缺点,要结合起来看,
下面给出他们的计算代码函数:
import numpy as np
import pandas as pd
def PICP(df_alltau,y_test,u=0.9):
df=pd.DataFrame()
df['Low']=np.array(df_alltau.T.min())
df['Upper']=np.array(df_alltau.T.max())
df['actual']=np.array(y_test)
picp=len(df.query('Low<actual<Upper'))/len(y_test)
df['inter']=df['Upper']-df['Low']
rax=df['actual'].max()-df['actual'].min()
pinaw=df['inter'].mean()/rax
gama=np.greater(0,(picp-u))*1
#print(gama)
cwc=pinaw*(1+gama*np.exp(-(picp-u)))
eup=df[df.assign(up=df.Upper<df.actual).up].assign(inter2=df.actual-df.Upper)['inter2'].sum()
elo=df[df.assign(up=df.Low>df.actual).up].assign(inter2=df.Low-df.actual)['inter2'].sum()
piee=(eup+elo)/(len(y_test)*rax)
return picp,pinaw,cwc,piee
df_alltau就是预测的区间估计值(对一个y预测了很多可能性),y_test就是测试集数据。
u是CWC的PICP阈值,这里取了0.9。 aita为了方便取1了。
最难整的就是PIEE,我筛选了很久.....
点估计评价指标
回归问题的点估计评价指标很常用,通常是MAE,RMSE,MAPE,r/R^{2}等,给出他们四个的计算代码:
import numpy as np
import pandas as pd
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error,r2_score
def evaluation(y_test, y_predict):
y_test=np.array(y_test);y_predict=np.array(y_predict)
mae = mean_absolute_error(y_test, y_predict)
mse = mean_squared_error(y_test, y_predict)
rmse = np.sqrt(mean_squared_error(y_test, y_predict))
mape=(abs(y_predict -y_test)/ y_test).mean()
r_2=r2_score(y_test, y_predict)
return mae, rmse, mape,r_2