So berechnen sie smape in r

Der symmetrische mittlere absolute prozentuale Fehler (SMAPE) wird verwendet, um die Vorhersagegenauigkeit von Modellen zu messen. Es wird wie folgt berechnet:

SMAPE = (1/n) * Σ(|Prognose – Ist| / ((|Ist| + |Prognose|)/2) * 100

Gold:

• Σ – ein Symbol, das „Summe“ bedeutet
• n – Stichprobengröße
• real – der tatsächliche Wert der Daten
• Prognose – der erwartete Wert der Daten

Je kleiner der Wert von SMAPE ist, desto besser ist die Vorhersagegenauigkeit eines bestimmten Modells.

In diesem Tutorial werden zwei verschiedene Methoden erläutert, mit denen Sie SMAPE in R berechnen können.

Methode 1: Verwenden Sie smape() aus dem Metrics-Paket

Eine Möglichkeit, SMAPE in R zu berechnen, besteht darin, die Funktion smape() aus dem Metrics- Paket zu verwenden:

 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

Wir können sehen, dass der symmetrische mittlere absolute prozentuale Fehler für dieses Modell 12,45 % beträgt.

Methode 2: Schreiben Sie Ihre eigene Funktion

Eine andere Möglichkeit, SMAPE zu berechnen, besteht darin, unsere eigene Funktion wie folgt zu erstellen:

 find_smape <- function (a, f) {
  return ( 1 /length(a) * sum( 2 *abs(fa) / (abs(a)+abs(f))* 100 ))
}

Mit dieser Funktion können wir dann den SMAPE zwischen einem Vektor aus tatsächlichen Werten und vorhergesagten Werten berechnen:

 #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

Auch hier beträgt der SMAPE 12,45 % , was den Ergebnissen des vorherigen Beispiels entspricht.

Zusätzliche Ressourcen

So berechnen Sie MAPE in R
So berechnen Sie MAD in R
So berechnen Sie MAE in R
So berechnen Sie RMSE in R
So berechnen Sie MSE in R