Hoe wordt MAPE gebruikt bij prognoses?
Hoe wordt MAPE gebruikt bij prognoses?
Anonim

De gemiddelde absolute procentuele fout ( MAPE ) is een statistische maatstaf voor hoe nauwkeurig een voorspelling systeem is. Het meet deze nauwkeurigheid als een percentage en kan worden berekend als de gemiddelde absolute procentuele fout voor elke tijdsperiode minus de werkelijke waarden gedeeld door de werkelijke waarden.

Evenzo kan men zich afvragen, wat is MAPE in prognoses?

De gemiddelde absolute procentuele fout ( MAPE ), ook bekend als gemiddelde absolute procentuele afwijking (MAPD), is een maat voor de voorspellingsnauwkeurigheid van a voorspelling methode in statistiek, bijvoorbeeld in trendschatting, ook gebruikt als verliesfunctie voor regressieproblemen bij machine learning.

Wil je daarnaast een hoge of lage MAPE? Sinds MAPE is een maat voor fouten, hoog nummers zijn slecht en laag nummers zijn Goed. Voor rapportagedoeleinden hebben sommige bedrijven zullen vertaal dit naar nauwkeurigheidsgetallen door de af te trekken MAPE vanaf 100.

Bovendien, wat is een goede MAPE voor prognoses?

Het is onverantwoord om willekeurig te stellen voorspelling prestatiedoelen (zoals MAPE < 10% is Uitstekend, MAPE < 20% is Mooi zo ) zonder de context van de voorspelbaarheid van uw gegevens. Als je bent voorspelling erger dan een na ï ve voorspelling (Ik zou dit "slecht" noemen), dan is duidelijk jouw voorspelling proces behoeft verbetering.

Waarom wordt MAPE gebruikt?

De gemiddelde absolute procentuele fout ( MAPE ) is een van de meest voorkomende gebruikt maten van voorspellingsnauwkeurigheid, vanwege de voordelen van schaalonafhankelijkheid en interpreteerbaarheid. Echter, MAPE heeft het belangrijke nadeel dat het oneindige of ongedefinieerde waarden produceert voor werkelijke waarden van nul of bijna nul.

Aanbevolen: