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