Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment calculer MAPE dans R



L’une des mesures les plus couramment utilisées pour mesurer la précision des prévisions d’un modèle est MAPE , qui signifie erreur de pourcentage absolue moyenne .

La formule pour calculer le MAPE est la suivante :

MAPE = (1/n) * Σ(|réel – prévision| / |réel|) * 100

où:

  • Σ – un symbole fantaisiste qui signifie « somme »
  • n – taille de l’échantillon
  • réel – la valeur réelle des données
  • prévision – la valeur des données prévue

MAPE est couramment utilisé car il est facile à interpréter et à expliquer. Par exemple, une valeur MAPE de 6 % signifie que la différence moyenne entre la valeur prévue et la valeur réelle est de 6 %.

Ce didacticiel propose deux méthodes différentes que vous pouvez utiliser pour calculer MAPE dans R.

Méthode 1 : écrivez votre propre fonction

Supposons que nous ayons un ensemble de données avec une colonne contenant les valeurs de données réelles et une colonne contenant les valeurs de données prévues :

#create dataset
data <- data.frame(actual=c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24),
                   forecast=c(37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23))

#view dataset
data

   actual forecast
1      34       37
2      37       40
3      44       46
4      47       44
5      48       46
6      48       50
7      46       45
8      43       44
9      32       34
10     27       30
11     26       22
12     24       23

Pour calculer le MAPE, nous pouvons utiliser la fonction suivante :

#calculate MAPE
mean(abs((data$actual-data$forecast)/data$actual)) * 100

[1] 6.467108

Le MAPE pour ce modèle s’avère être de 6,467 % . Autrement dit, la différence absolue moyenne entre la valeur prévue et la valeur réelle est de 6,467 %.

Méthode 2 : utiliser un package

Nous pourrions également calculer MAPE pour le même ensemble de données en utilisant la fonction MAPE() du package MLmetrics , qui utilise la syntaxe suivante :

MAPE(y_pred, y_true)

où:

  • y_pred : valeurs prédites
  • y_true : valeurs réelles

Voici la syntaxe que nous utiliserions dans notre exemple :

#load MLmetrics package
library(MLmetrics)

#calculate MAPE
MAPE(data$forecast, data$actual)

[1] 0.06467108

Cela produit la même valeur MAPE de 6,467 % que celle que nous avons calculée en utilisant la méthode précédente.

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *