R语言调用MAPE函数计算预测误差报错如何解决

• 参数长度不匹配：sel筛选的是rent字段为NA的样本子集，newprediction的行数等于rent缺失的样本总数，但传入MAPE的第二个参数mysample$rent是全数据集的rent序列，包含所有非缺失、缺失样本的rent值，两者长度不一致，无法逐行配对计算误差。
• 输入对象类型错误：调用predict()时设置了interval="prediction"参数，返回的newprediction是3列矩阵，列名分别为fit（点预测值）、lwr（预测区间下限）、upr（预测区间上限），并非MAPE函数要求的一维预测值向量，函数无法识别有效预测输入。
• 计算逻辑矛盾：MAPE的计算需要配对的真实值与预测值，你筛选做预测的样本本身rent就是缺失状态，没有可供比对的真实rent值，这部分样本的预测结果本身就不具备计算MAPE的基础。

根据你的实际需求二选一操作即可：

场景1：需要计算模型的MAPE指标 #

MAPE是预测值和真实值的偏差指标，必须在有真实rent值的样本上计算，不能用rent缺失的样本：

# 筛选rent非缺失、有真实值的样本
valid_sel <- !is.na(mysample$rent)
# 生成对应样本的点预测值，不要加interval参数，直接返回一维预测向量
valid_pred <- predict(model.5, newdata = mysample[valid_sel, ])
# 提取对应位置的真实rent值
valid_real <- mysample$rent[valid_sel]
# 传入同长度的预测值、真实值向量计算MAPE
MAPE(valid_pred, valid_real)

注意：如果使用第三方包（如forecast、DMwR2）中的MAPE函数，需确保传入的两个参数都是等长的数值型向量，无NA值，否则仍会触发报错。如果不想依赖第三方包，也可以直接手动计算：mean(abs((valid_real - valid_pred)/valid_real)) * 100

场景2：需要给rent缺失的样本填充预测值 #

这部分样本没有真实rent值，不需要计算MAPE，直接提取预测结果的点估计列填充即可：

sel <- is.na(mysample$rent)
newprediction <- predict(model.5, newdata=subset(mysample, sel), interval="prediction")
# 提取fit列的点预测值填充到原数据集的缺失位置
mysample$rent[sel] <- newprediction[, "fit"]

内容的提问来源于stack exchange，提问作者Uhtredbr