MAPE的计算公式为：

MAPE = (1/n) ∑(|实际值 - 预测值| / |实际值|) 100%

其中，n是数据集的大小，实际值是真实的数据，预测值是模型对数据的预测结果。

MAPE的值越小，表示模型的预测结果与真实数据越接近，模型的准确性越高。一般来说，MAPE小于10%被认为是比较好的，小于5%被认为是优秀的。

MAPE可以用来比较不同模型的性能。在选择模型时，我们可以选择MAPE较小的模型。此外，MAPE还可以用来监控模型的性能变化。如果MAPE开始增大，则表示模型的性能开始下降，我们需要对模型进行调整或重新训练。