Cara menghitung smape dengan python

Symmetric Mean Absolute Percentage Error (SMAPE) digunakan untuk mengukur akurasi prediksi model. Ini dihitung sebagai berikut:

SMAPE = (1/n) * Σ(|perkiraan – aktual| / ((|aktual| + |perkiraan|)/2) * 100

Emas:

• Σ – simbol yang berarti “jumlah”
• n – ukuran sampel
• nyata – nilai sebenarnya dari data
• perkiraan – nilai yang diharapkan dari data

Tutorial ini menjelaskan cara menghitung SMAPE dengan Python.

Cara menghitung SMAPE dengan Python

Tidak ada fungsi Python bawaan untuk menghitung SMAPE, tetapi kita dapat membuat fungsi sederhana untuk melakukannya:

 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)

Kita kemudian dapat menggunakan fungsi ini untuk menghitung SMAPE untuk dua tabel: satu yang berisi nilai data aktual dan satu lagi yang berisi nilai data prediksi.

 #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

Dari hasil tersebut terlihat rata-rata persentase kesalahan absolut simetris untuk model ini adalah 12.45302% .

Sumber daya tambahan

Entri Wikipedia untuk SMAPE
Pemikiran Rob J. Hyndman tentang SMAPE
Cara menghitung MAPE dengan Python
Cara menghitung MAPE di R
Cara Menghitung MAPE di Excel