Come calcolare smape in r
L’errore percentuale assoluto medio simmetrico (SMAPE) viene utilizzato per misurare l’accuratezza predittiva dei modelli. Viene calcolato come segue:
SMAPE = (1/n) * Σ(|previsione – effettivo| / ((|attuale| + |previsione|)/2) * 100
Oro:
- Σ – un simbolo che significa “somma”
- n – dimensione del campione
- reale : il valore effettivo dei dati
- previsione – il valore atteso dei dati
Minore è il valore di SMAPE, migliore è l’accuratezza predittiva di un dato modello.
Questo tutorial spiega due diversi metodi che puoi utilizzare per calcolare SMAPE in R.
Metodo 1: utilizzare smape() dal pacchetto Metrics
Un modo per calcolare SMAPE in R è utilizzare la funzione smape() dal pacchetto Metrics :
library (Metrics) #define actual values actual <- c(12, 13, 14, 15, 15, 22, 27) #define forecasted values forecast <- c(11, 13, 14, 14, 15, 16, 18) #calculate SMAPE smape(actual, forecast) [1] 0.1245302
Possiamo vedere che l’errore percentuale assoluto medio simmetrico per questo modello è del 12,45% .
Metodo 2: scrivi la tua funzione
Un altro modo per calcolare SMAPE è creare la nostra funzione come segue:
find_smape <- function (a, f) { return ( 1 /length(a) * sum( 2 *abs(fa) / (abs(a)+abs(f))* 100 )) }
Possiamo quindi utilizzare questa funzione per calcolare lo SMAPE tra un vettore di valori effettivi e valori previsti:
#define actual values actual <- c(12, 13, 14, 15, 15,22, 27) #define forecasted values forecast <- c(11, 13, 14, 14, 15, 16, 18) #calculate SMAPE find_smape(actual, forecast) [1] 12.45302
Ancora una volta, lo SMAPE risulta essere 12,45% , che corrisponde ai risultati dell’esempio precedente.
Risorse addizionali
Come calcolare MAPE in R
Come calcolare MAD in R
Come calcolare il MAE in R
Come calcolare l’RMSE in R
Come calcolare MSE in R