كيفية حساب smape في بايثون

يتم استخدام خطأ النسبة المئوية المطلقة للمتوسط المتماثل (SMAPE) لقياس الدقة التنبؤية للنماذج. يتم حسابه على النحو التالي:

SMAPE = (1/n) * Σ(|توقعات – فعلية| / ((|فعلية| + |توقعات|)/2) * 100

ذهب:

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

يشرح هذا البرنامج التعليمي كيفية حساب SMAPE في بايثون.

كيفية حساب SMAPE في بايثون

لا توجد دالة بايثون مدمجة لحساب SMAPE، لكن يمكننا إنشاء دالة بسيطة للقيام بذلك:

 import numpy as np

def smape( a , f ):
    return 1/ len (a) * np. sum (2 * np. abs (fa) / (np. abs (a) + np. abs (f))*100)

يمكننا بعد ذلك استخدام هذه الوظيفة لحساب SMAPE لجدولين: أحدهما يحتوي على قيم البيانات الفعلية والآخر يحتوي على قيم البيانات المتوقعة.

 #define arrays of actual and forecasted data values
actual = np.array([12, 13, 14, 15, 15,22, 27])
forecast = np.array([11, 13, 14, 14, 15, 16, 18])

#calculate SMAPE
smape(actual, forecast)

12.45302

ومن النتائج يمكننا أن نرى أن متوسط نسبة الخطأ المطلق المتماثل لهذا النموذج هو 12.45302% .

مصادر إضافية

دخول ويكيبيديا لـ SMAPE
أفكار Rob J. Hyndman حول SMAPE
كيفية حساب MAPE في بايثون
كيفية حساب MAPE في R
كيفية حساب MAPE في إكسل