Come calcolare wmape in r (con esempio)
Uno dei parametri più comunemente utilizzati per misurare l’accuratezza della previsione di un modello è WMAPE , che sta per errore percentuale assoluto medio ponderato .
La formula per calcolare WMAPE è:
WMAPE = (Σ|y i – ŷ i |*w i ) / (Σy i *w i ) * 100
Oro:
- Σ – un simbolo che significa “somma”
- y i – Il valore reale dell’i -esima osservazione
- ŷ i – Il valore previsto dell’iesima osservazione
- w i – Il peso dell’i- esima osservazione
Possiamo definire la seguente funzione per calcolare WMAPE in R:
find_WMAPE <- function (y, yhat, w){ return (sum(abs(y-yhat)*w)/sum(y*w)*100) }
L’esempio seguente mostra come utilizzare questa funzione nella pratica.
Esempio: calcolo di WMAPE in R
Supponiamo di avere il seguente frame di dati in R che contiene informazioni sulle vendite effettive e previste per un negozio al dettaglio:
#create dataset data <- data. frame (actual=c(23, 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 23 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 WMAPE per la differenza tra le vendite effettive e quelle previste, possiamo definire un vettore di pesi da utilizzare, quindi utilizzare la funzione WMAPE definita in precedenza:
#define function to calculate WMAPE find_WMAPE <- function (y, yhat, w){ return (sum(abs(y-yhat)*w)/sum(y*w)*100) } #define weights for each month weights <- c(20, 20, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6) #calculate WMAPE find_WMAPE(df$actual, df$predicted, weights) [1] 13.27635
Il WMAPE per questo modello risulta essere 13,27635% .
Cioè, l’errore percentuale assoluto medio ponderato tra i valori di vendita previsti e i valori di vendita effettivi è 13,27635%.
Tieni presente che in questo esempio abbiamo assegnato pesi molto maggiori ai valori di gennaio e febbraio.
A seconda del problema specifico, è possibile assegnare pesi maggiori o minori a diverse osservazioni in base all’importanza di ciascun errore nel modello.
Risorse addizionali
I seguenti tutorial spiegano come eseguire altre attività comuni in R:
Come calcolare MAPE in R
Come calcolare SMAPE in R
Come calcolare l’RMSE in R