<\/p>\n
Uno dei parametri pi\u00f9 comunemente utilizzati per misurare l’accuratezza della previsione di un modello \u00e8 WMAPE<\/strong> , che sta per errore percentuale assoluto medio ponderato<\/strong> .<\/span><\/p>\n La formula per calcolare WMAPE \u00e8:<\/span><\/p>\n WMAPE<\/strong> = (\u03a3|y i<\/sub> \u2013 \u0177 i<\/sub> |*w i<\/sub> ) \/ (\u03a3y i<\/sub> *w i<\/sub> ) * 100<\/span><\/p>\n Oro:<\/span><\/p>\n Possiamo definire la seguente funzione per calcolare WMAPE in R:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa funzione nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente frame di dati in R che contiene informazioni sulle vendite effettive e previste per un negozio al dettaglio:<\/span><\/p>\n 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:<\/span><\/p>\n Il WMAPE per questo modello risulta essere 13,27635%<\/strong> .<\/span><\/p>\n Cio\u00e8, l’errore percentuale assoluto medio ponderato tra i valori di vendita previsti e i valori di vendita effettivi \u00e8 13,27635%.<\/span><\/p>\n Tieni presente che in questo esempio abbiamo assegnato pesi molto maggiori ai valori di gennaio e febbraio.<\/span><\/p>\n A seconda del problema specifico, \u00e8 possibile assegnare pesi maggiori o minori a diverse osservazioni in base all’importanza di ciascun errore nel modello.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come calcolare MAPE in R<\/a> Uno dei parametri pi\u00f9 comunemente utilizzati per misurare l’accuratezza della previsione di un modello \u00e8 WMAPE , che sta per errore percentuale assoluto medio ponderato . La formula per calcolare WMAPE \u00e8: WMAPE = (\u03a3|y i \u2013 \u0177 i |*w i ) \/ (\u03a3y i *w i ) * 100 Oro: \u03a3 \u2013 un simbolo […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
find_WMAPE <- function<\/span> (y, yhat, w){\n return<\/span> (sum(abs(y-yhat)*w)\/sum(y*w)*100)\n}\n<\/strong><\/pre>\n Esempio: calcolo di WMAPE in R<\/strong><\/span><\/h2>\n
#create dataset<\/span>\ndata <- data. frame<\/span> (actual=c(23, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24),\n forecast=c(37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23))\n\n#view dataset<\/span>\ndata\n\n current forecast\n1 23 37\n2 37 40\n3 44 46\n4 47 44\n5 48 46\n6 48 50\n7 46 45\n8 43 44\n9 32 34\n10 27 30\n11 26 22\n12 24 23\n<\/strong><\/pre>\n #define function to calculate WMAPE\n<\/span>find_WMAPE <- function<\/span> (y, yhat, w){\n return<\/span> (sum(abs(y-yhat)*w)\/sum(y*w)*100)\n}\n\n#define weights for each month\n<\/span>weights <- c(20, 20, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6)\n\n#calculate WMAPE\n<\/span>find_WMAPE(df$actual, df$predicted, weights)\n\n[1] 13.27635\n<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come calcolare SMAPE in R<\/a>
Come calcolare l’RMSE in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"