我从 machinelearningmastery 获得了代码

我修改了 model.compile() 函数，添加了 mape 指标来计算平均绝对百分比误差。运行代码后，每个epoch的 mape 值都非常大，考虑到它是一个百分比指标。我是否遗漏了什么明显的问题，还是输出是正确的？输出如下所示：

Epoch 91/1000s - loss: 0.0103 - mean_absolute_percentage_error: 1764997.4502Epoch 92/1000s - loss: 0.0103 - mean_absolute_percentage_error: 1765653.4924Epoch 93/1000s - loss: 0.0102 - mean_absolute_percentage_error: 1766505.5107Epoch 94/1000s - loss: 0.0102 - mean_absolute_percentage_error: 1766814.5450Epoch 95/1000s - loss: 0.0102 - mean_absolute_percentage_error: 1767510.8146Epoch 96/1000s - loss: 0.0101 - mean_absolute_percentage_error: 1767686.9054Epoch 97/1000s - loss: 0.0101 - mean_absolute_percentage_error: 1767076.2169Epoch 98/1000s - loss: 0.0100 - mean_absolute_percentage_error: 1767014.8481Epoch 99/1000s - loss: 0.0100 - mean_absolute_percentage_error: 1766592.8125Epoch 100/1000s - loss: 0.0100 - mean_absolute_percentage_error: 1766348.6332

我运行的代码（省略了预测部分）如下所示：

回答：

我通过在调用compile之前使用 keras.backend.set_epsilon(1) 将模糊因子epsilon设置为1来解决这个问题。

提示在源代码中

def mean_absolute_percentage_error(y_true, y_pred):diff = K.abs((y_true - y_pred) / K.clip(K.abs(y_true),                                        K.epsilon(),                                        None))return 100. * K.mean(diff, axis=-1)

这意味着，由于某些未知原因，训练集上MAPE计算中的 K.abs(y_true) 项低于模糊默认值（1e-7），因此它使用了该默认值，从而导致了巨大的数值。