So berechnen sie smape in python

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

In diesem Tutorial wird erklärt, wie man SMAPE in Python berechnet.

So berechnen Sie SMAPE in Python

Es gibt keine integrierte Python-Funktion zur Berechnung von SMAPE, aber wir können eine einfache Funktion dafür erstellen:

 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)

Mit dieser Funktion können wir dann den SMAPE für zwei Tabellen berechnen: eine, die die tatsächlichen Datenwerte enthält, und eine, die die vorhergesagten Datenwerte enthält.

 #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

Aus den Ergebnissen können wir ersehen, dass der durchschnittliche symmetrische absolute prozentuale Fehler für dieses Modell 12,45302 % beträgt.

Zusätzliche Ressourcen

Wikipedia-Eintrag für SMAPE
Rob J. Hyndmans Gedanken zu SMAPE
So berechnen Sie MAPE in Python
So berechnen Sie MAPE in R
So berechnen Sie MAPE in Excel