Конечно, один из методов получения оценки максимального правдоподобия - это градиентный спуск. В этом процессе определяется ошибка между прогнозируемыми и фактическими значениями, и находится градиент этой ошибки по каждому из изменяемых параметров модели. Затем эти параметры слегка настраиваются в соответствии с рассчитанными градиентами, чтобы минимизировать значение ошибки. Этот процесс повторяется до тех пор, пока ошибка не сведется к достаточно низкому значению.
Самое замечательное в этом методе то, что ваша функция ошибок или потерь имеет большую гибкость в том, как вы ее определяете. Например, часто используется норма L2 (MSE), но вы также можете использовать норму L1, норму сглаживания L1 или любую другую функцию.
Функция ошибок, которая дает MAPE, просто разделит каждый член ошибки на истинная величина значения, что дает ошибку относительно размера значения. Затем градиенты этой ошибки могут быть вычислены по каждому параметру, и градиентный спуск может быть выполнен, как и раньше.
Прокомментируйте, если какая-то часть этого неясна или требует дополнительных пояснений!