Симметричная средняя абсолютная процентная ошибка (SMAPE) используется для измерения прогностической точности моделей. Он рассчитывается как:
SMAPE = (1/n) * Σ(|прогноз – фактический| / ((|фактический| + |прогноз|)/2) * 100
куда:
- Σ – символ, означающий «сумма»
- n – размер выборки
- фактический – фактическое значение данных
- прогноз – прогнозируемое значение данных
Чем меньше значение SMAPE, тем выше точность предсказания данной модели.
В этом руководстве объясняются два разных метода, которые можно использовать для расчета SMAPE в R.
Способ 1: используйте smape() из пакета метрик
Один из способов вычислить SMAPE в R — использовать функцию smape() из пакета Metrics :
library (Metrics)
#define actual values
actual <- c(12, 13, 14, 15, 15, 22, 27)
#define forecasted values
forecast <- c(11, 13, 14, 14, 15, 16, 18)
#calculate SMAPE
smape(actual, forecast)
[1] 0.1245302
Мы видим, что симметричная средняя абсолютная процентная ошибка для этой модели составляет 12,45% .
Способ 2: напишите свою собственную функцию
Другой способ вычислить SMAPE — создать собственную функцию следующим образом:
find_smape <- function (a, f) {
return ( 1 /length(a) \* sum( 2 \*abs(f-a) / (abs(a)+abs(f))\* 100 ))
}
Затем мы можем использовать эту функцию для вычисления SMAPE между вектором фактических значений и прогнозируемых значений:
#define actual values
actual <- c(12, 13, 14, 15, 15,22, 27)
#define forecasted values
forecast <- c(11, 13, 14, 14, 15, 16, 18)
#calculate SMAPE
find_smape(actual, forecast)
[1] 12.45302
И снова SMAPE оказывается равным 12,45% , что соответствует результатам предыдущего примера.
Дополнительные ресурсы
Как рассчитать MAPE в R
Как рассчитать MAD в R
Как рассчитать MAE в R
Как рассчитать RMSE в R
Как рассчитать MSE в R