ما الذي يعتبر قيمة جيدة لـ mape؟

أحد المقاييس الأكثر استخدامًا لقياس دقة التنبؤ للنموذج هو MAPE ، والذي يرمز إلى متوسط النسبة المئوية للخطأ المطلق .

صيغة حساب MAPE هي كما يلي:

MAPE = (1/n) * Σ(|فعلي – متوقع| / |فعلي|) * 100

ذهب:

• Σ – رمز فاخر يعني “المجموع”
• ن – حجم العينة
• حقيقي – القيمة الفعلية للبيانات
• التنبؤ – القيمة المتوقعة للبيانات

يتم استخدام MAPE بشكل شائع لأنه من السهل تفسيره وشرحه. على سبيل المثال، تعني قيمة MAPE البالغة 8% أن متوسط الفرق بين القيمة المتوقعة والقيمة الفعلية هو 8%.

أحد الأسئلة الأكثر شيوعًا التي يطرحها الأشخاص عند استخدام هذا المقياس هو:

ما هي القيمة الجيدة لـ MAPE؟

الجواب غير المرضي: هذا يعتمد .

من الواضح أنه كلما انخفضت قيمة MAPE، كان ذلك أفضل، ولكن لا توجد قيمة محددة يمكنك تسميتها “جيدة” أو “سيئة”. وهذا يعتمد على عدة عوامل:

• نوع الصناعة
• قيمة MAPE مقارنة بنموذج تنبؤ بسيط

دعونا نستكشف هذين العاملين بعمق.

يختلف MAPE حسب الصناعة

في كثير من الأحيان، تقوم الشركات بإنشاء توقعات بشأن الطلب على منتجاتها ثم تستخدم MAPE لقياس دقة التوقعات.

لسوء الحظ، لا توجد قيمة MAPE “قياسية” لأنها يمكن أن تختلف بشكل كبير حسب نوع العمل.

على سبيل المثال، الشركة التي نادرًا ما تغير أسعارها من المرجح أن يكون لديها طلب مستقر ويمكن التنبؤ به، مما يعني أنها قد يكون لديها نموذج ينتج MAPE منخفض جدًا، ربما أقل من 3٪.

بالنسبة للشركات الأخرى التي تقدم عروضًا ترويجية وعروضًا خاصة باستمرار، سيختلف طلبها بشكل كبير بمرور الوقت، وبالتالي من المرجح أن يواجه نموذج التنبؤ وقتًا أكثر صعوبة في التنبؤ بالطلب بدقة، مما يعني أن النماذج قد يكون لها قيمة أعلى لـ MAPE.

يجب أن تكون متشككًا جدًا في “معايير الصناعة” الخاصة بـ MAPE.

قارن MAPE بنموذج تنبؤ بسيط

بدلاً من محاولة مقارنة MAPE لنموذجك بقيمة “جيدة” عشوائية، يجب عليك بدلاً من ذلك مقارنتها بـ MAPE لنماذج التنبؤ البسيطة.

هناك نوعان من نماذج التنبؤ البسيطة المعروفة:

1. طريقة التنبؤ المتوسط.

يتنبأ هذا النوع من نماذج التنبؤ ببساطة بأن قيمة الفترة القادمة ستكون متوسط جميع الفترات السابقة. على الرغم من أن هذه الطريقة تبدو مفرطة في التبسيط، إلا أنها تميل إلى إعطاء نتائج جيدة في الممارسة العملية.

2. أسلوب التنبؤ الساذج.

يتنبأ هذا النوع من نماذج التنبؤ بأن قيمة الفترة القادمة ستكون مساوية للفترة السابقة. مرة أخرى، على الرغم من أن هذه الطريقة بسيطة للغاية، إلا أنها تميل إلى العمل بشكل جيد بشكل مدهش.

عند تطوير نموذج تنبؤ جديد، يجب عليك مقارنة MAPE لهذا النموذج بـ MAPE لهاتين الطريقتين البسيطتين للتنبؤ.

إذا لم يكن MAPE الخاص بنموذجك الجديد أفضل بكثير من هاتين الطريقتين، فلا يجب أن تعتبره مفيدًا.

افكار اخيرة

على الرغم من أن MAPE يستخدم على نطاق واسع وسهل التفسير، إلا أن هناك بعض العيوب المحتملة لاستخدامه:

1. بما أن صيغة حساب النسبة المئوية للخطأ المطلق هي |توقعات فعلية| / |حقيقي| هذا يعني أنه لن يتم تعيينه إذا كانت أي من القيم الفعلية صفرًا.

2. لا ينبغي استخدام MAPE مع البيانات ذات الحجم المنخفض. على سبيل المثال، إذا كان الطلب الفعلي لعنصر ما هو 2 والتنبؤ هو 1، فإن قيمة خطأ النسبة المئوية المطلقة ستكون |2-1| / |2| = 50%، مما يجعل خطأ التنبؤ يبدو مرتفعًا جدًا، حتى لو كان التوقع أقل بمقدار وحدة واحدة فقط.

تتضمن البدائل المحتملة لـ MAPE متوسط الانحراف المطلق ومتوسط الخطأ التربيعي.

مصادر إضافية

كيفية حساب MAPE في إكسل
كيفية حساب MAPE في R
كيفية حساب MAPE في بايثون
ما الذي يعتبر قيمة RMSE جيدة؟