आर में अनुभवहीन पूर्वानुमान कैसे करें: उदाहरणों के साथ

एक अनुभवहीन पूर्वानुमान वह होता है जिसमें किसी निश्चित अवधि के लिए पूर्वानुमान पिछली अवधि में देखे गए मूल्य के बराबर होता है।

उदाहरण के लिए, मान लीजिए कि वर्ष के पहले तीन महीनों के दौरान हमारे पास किसी दिए गए उत्पाद की निम्नलिखित बिक्री है:

अप्रैल की बिक्री का पूर्वानुमान पिछले मार्च की वास्तविक बिक्री के बराबर होगा:

हालाँकि यह विधि सरल है, व्यवहार में यह आश्चर्यजनक रूप से अच्छा काम करती है।

यह ट्यूटोरियल चरण-दर-चरण उदाहरण प्रदान करता है कि आर में अनुभवहीन पूर्वानुमान कैसे लगाए जाएं।

चरण 1: डेटा दर्ज करें

सबसे पहले, हम एक काल्पनिक कंपनी में 12 महीने की अवधि में बिक्री डेटा दर्ज करेंगे:

 #create vector to hold actual sales data
actual <- c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24)

चरण 2: निष्पक्ष पूर्वानुमान उत्पन्न करें

इसके बाद, हम प्रत्येक माह के लिए सटीक पूर्वानुमान बनाने के लिए निम्नलिखित सूत्रों का उपयोग करेंगे:

 #generate naive forecasts
forecast <- c(NA, actual[- length (actual)])

#view naive forecasts
forecast

[1] NA 34 37 44 47 48 48 46 43 32 27 26

ध्यान दें कि हमने पहले अनुमानित मूल्य के लिए केवल NA का उपयोग किया था।

चरण 3: पूर्वानुमान सटीकता को मापें

अंत में, हमें पूर्वानुमानों की सटीकता को मापना चाहिए। सटीकता मापने के लिए उपयोग किए जाने वाले दो सामान्य मीट्रिक में शामिल हैं:

• माध्य निरपेक्ष प्रतिशत त्रुटि (एमएपीई)
• माध्य निरपेक्ष त्रुटि (एमएई)

हम दोनों मीट्रिक की गणना करने के लिए निम्नलिखित कोड का उपयोग कर सकते हैं:

 #calculate MAPE
mean(abs((actual-forecast)/actual), na. rm = T ) * 100

[1] 9.898281

#calculate MAE
mean(abs(actual-forecast), na. rm = T )

[1] 3.454545

औसत निरपेक्ष प्रतिशत त्रुटि 9.898% है और औसत निरपेक्ष त्रुटि 3.45 है।

यह पता लगाने के लिए कि क्या यह पूर्वानुमान उपयोगी है, हम इसकी तुलना अन्य पूर्वानुमान मॉडलों से कर सकते हैं और देख सकते हैं कि माप सटीकता बेहतर है या खराब।

चरण 4: पूर्वानुमान की कल्पना करें

अंत में, हम प्रत्येक अवधि के दौरान वास्तविक बिक्री और अनुभवहीन बिक्री पूर्वानुमानों के बीच अंतर देखने के लिए एक सरल रेखा प्लॉट बना सकते हैं:

 #plot actual sales
plot(actual, type=' l ', col = ' red ', main=' Actual vs. Forecasted Sales ',
     xlab=' Sales Period ', ylab=' Sales ')

#add line for forecasted sales
lines(forecast, type=' l ', col = ' blue ')

#add legend
legend(' topright ', legend=c(' Actual ', ' Forecasted '),
       col=c(' red ', ' blue '), lty=1)

ध्यान दें कि अनुमानित विक्रय लाइन मूलतः वास्तविक विक्रय लाइन का एक स्थानांतरित संस्करण है।

यह बिल्कुल वैसा ही है जैसा हम उम्मीद करेंगे क्योंकि अनुभवहीन पूर्वानुमान केवल भविष्यवाणी करता है कि वर्तमान अवधि में बिक्री पिछली अवधि में बिक्री के बराबर होगी।

अतिरिक्त संसाधन

आर में एमएई की गणना कैसे करें
आर में एमएपीई की गणना कैसे करें
MAPE के लिए अच्छा मूल्य क्या माना जाता है?