Come calcolare mape in r
Uno dei parametri più comunemente utilizzati per misurare l’accuratezza delle previsioni di un modello è MAPE , che sta per errore percentuale assoluto medio .
La formula per calcolare il MAPE è la seguente:
MAPE = (1/n) * Σ(|effettivo – previsto| / |effettivo|) * 100
Oro:
- Σ – un simbolo di fantasia che significa “somma”
- n – dimensione del campione
- reale : il valore effettivo dei dati
- previsione – il valore atteso dei dati
MAPE è comunemente usato perché è facile da interpretare e spiegare. Ad esempio, un valore MAPE del 6% significa che la differenza media tra il valore previsto e il valore effettivo è del 6%.
Questo tutorial fornisce due diversi metodi che puoi utilizzare per calcolare MAPE in R.
Metodo 1: scrivi la tua funzione
Supponiamo di avere un set di dati con una colonna contenente i valori dei dati effettivi e una colonna contenente i valori dei dati previsti:
#create dataset data <- data. frame (actual=c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24), forecast=c(37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23)) #view dataset data current forecast 1 34 37 2 37 40 3 44 46 4 47 44 5 48 46 6 48 50 7 46 45 8 43 44 9 32 34 10 27 30 11 26 22 12 24 23
Per calcolare il MAPE possiamo utilizzare la seguente funzione:
#calculate MAPE
mean(abs((data$actual-data$forecast)/data$actual)) * 100
[1] 6.467108
Il MAPE per questo modello risulta essere 6,467% . Cioè, la differenza media assoluta tra il valore previsto e il valore effettivo è del 6,467%.
Metodo 2: utilizzare un pacchetto
Potremmo anche calcolare MAPE per lo stesso set di dati utilizzando la funzione MAPE() del pacchetto MLmetrics , che utilizza la seguente sintassi:
MAPE(y_pred, y_true)
Oro:
- y_pred: valori previsti
- y_true: valori reali
Ecco la sintassi che utilizzeremmo nel nostro esempio:
#load MLmetrics package library (MLmetrics) #calculate MAPE MAPE(data$forecast, data$actual) [1] 0.06467108
Ciò produce lo stesso valore MAPE del 6,467% che abbiamo calcolato utilizzando il metodo precedente.