पायथन में एमएपीई की गणना कैसे करें
माध्य निरपेक्ष प्रतिशत त्रुटि (एमएपीई) का उपयोग आमतौर पर मॉडलों की पूर्वानुमानित सटीकता को मापने के लिए किया जाता है। इसकी गणना इस प्रकार की जाती है:
एमएपीई = (1/एन) * Σ(|वास्तविक – भविष्यवाणी| / |वास्तविक|) * 100
सोना:
- Σ – एक प्रतीक जिसका अर्थ है “योग”
- n – नमूना आकार
- वास्तविक – डेटा का वास्तविक मूल्य
- पूर्वानुमान – पूर्वानुमानित डेटा का मूल्य
MAPE का आमतौर पर उपयोग किया जाता है क्योंकि इसकी व्याख्या करना और समझाना आसान है। उदाहरण के लिए, 11.5% के एमएपीई मान का मतलब है कि अनुमानित मूल्य और वास्तविक मूल्य के बीच औसत अंतर 11.5% है।
MAPE मान जितना कम होगा, मॉडल उतना ही बेहतर मानों की भविष्यवाणी करने में सक्षम होगा। उदाहरण के लिए, 5% MAPE वाला मॉडल 10% MAPE वाले मॉडल की तुलना में अधिक सटीक है।
पायथन में एमएपीई की गणना कैसे करें
MAPE की गणना करने के लिए कोई अंतर्निहित पायथन फ़ंक्शन नहीं है, लेकिन हम इसे करने के लिए एक सरल फ़ंक्शन बना सकते हैं:
import numpy as np def mape( actual , pred ): actual, pred = np.array(actual), np.array(pred) return np.mean(np.abs((actual - pred) / actual)) * 100
फिर हम इस फ़ंक्शन का उपयोग दो तालिकाओं के लिए MAPE की गणना करने के लिए कर सकते हैं: एक जिसमें वास्तविक डेटा मान होते हैं और एक जिसमें अनुमानित डेटा मान होते हैं।
actual = [12, 13, 14, 15, 15,22, 27] pred = [11, 13, 14, 14, 15, 16, 18] map(actual, pred) 10.8009
परिणामों से, हम देख सकते हैं कि इस मॉडल के लिए औसत पूर्ण प्रतिशत त्रुटि 10.8009% है। दूसरे शब्दों में, अनुमानित मूल्य और वास्तविक मूल्य के बीच औसत अंतर 10.8009% है।
MAPE का उपयोग करने के लिए सावधानियां
हालाँकि MAPE की गणना और व्याख्या करना आसान है, इसके उपयोग में दो संभावित कमियाँ हैं:
1. चूंकि पूर्ण प्रतिशत त्रुटि की गणना करने का सूत्र |वास्तविक पूर्वानुमान|है / |वास्तविक| इसका मतलब यह है कि यदि कोई वास्तविक मान शून्य है तो MAPE को परिभाषित नहीं किया जाएगा।
2. MAPE का उपयोग कम वॉल्यूम डेटा के साथ नहीं किया जाना चाहिए। उदाहरण के लिए, यदि किसी वस्तु की वास्तविक मांग 2 है और पूर्वानुमान 1 है, तो पूर्ण प्रतिशत त्रुटि मान |2-1| / |2| = 50%, जिससे पूर्वानुमान त्रुटि काफी अधिक दिखाई देती है, भले ही पूर्वानुमान केवल 1 इकाई कम हो।