Как реализовать среднюю скорректированную абсолютную процентную потерю ошибок

Question

Я пытался реализовать (в среднем скорректированную абсолютную процентную ошибку) функцию потерь в кератах, но безуспешно.

Описание таможенной потери:

APEi = | yi ^ −yi | max (| yi |, порог)

где y - фактическое значение, y ^ - прогнозируемое значение, а пороговое значение является постоянным. Использование порога гарантирует, что прогнозы на меньшие значения не будут чрезмерно оштрафованы.

Общая метрика, средняя скорректированная абсолютная процентная ошибка, является средним значением APEi для всех тестовых экземпляров, где

MAPE = 1 / N ∑i = 1N | yi ^ −yi | max (| yi |, 290000)

Код, который я безуспешно реализую, приведен ниже:

import keras.backend as K

  def customLoss(yTrue,yPred ): 
      y_true, y_pred = K.flatten(yTrue), K.flatten(yPred)
      return np.sum(np.abs(y_test - y_pred) / max(abs(y_pred),290000)) * 
         1/len(yTrue)