Come eseguire previsioni ingenue in r: con esempi

Una previsione ingenua è quella in cui la previsione per un dato periodo è semplicemente uguale al valore osservato nel periodo precedente.

Ad esempio, supponiamo di avere le seguenti vendite di un determinato prodotto durante i primi tre mesi dell’anno:

Le previsioni di vendita di aprile equivarrebbero semplicemente alle vendite effettive del marzo precedente:

Sebbene questo metodo sia semplice, tende a funzionare sorprendentemente bene nella pratica.

Questo tutorial fornisce un esempio passo passo di come eseguire previsioni ingenue in R.

Passaggio 1: inserisci i dati

Innanzitutto, inseriremo i dati di vendita su un periodo di 12 mesi presso un’azienda immaginaria:

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

Passaggio 2: generare previsioni ingenue

Successivamente, utilizzeremo le seguenti formule per creare previsioni ingenue per ogni mese:

 #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

Tieni presente che abbiamo semplicemente utilizzato NA per il primo valore previsto.

Passaggio 3: misurare l’accuratezza della previsione

Infine, dobbiamo misurare l’accuratezza delle previsioni. Due parametri comuni utilizzati per misurare la precisione includono:

• Errore percentuale assoluto medio (MAPE)
• Errore assoluto medio (MAE)

Possiamo utilizzare il seguente codice per calcolare entrambe le metriche:

 #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

L’errore percentuale medio assoluto è 9,898% e l’errore medio assoluto è 3,45.

Per scoprire se questa previsione è utile, possiamo confrontarla con altri modelli di previsione e vedere se la precisione della misurazione è migliore o peggiore.

Passaggio 4: visualizza la previsione

Infine, possiamo creare un semplice grafico a linee per visualizzare le differenze tra le vendite effettive e le previsioni di vendita ingenue durante ciascun periodo:

 #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)

Tieni presente che la linea di vendita prevista è essenzialmente una versione spostata della linea di vendita effettiva.

Questo è esattamente ciò che ci aspetteremmo poiché la previsione ingenua prevede semplicemente che le vendite nel periodo corrente equivarranno alle vendite del periodo precedente.

Risorse addizionali

Come calcolare il MAE in R
Come calcolare MAPE in R
Qual è il valore considerato buono per MAPE?