<\/p>\n
L’errore percentuale assoluto medio (MAPE)<\/strong> \u00e8 comunemente utilizzato per misurare l’accuratezza predittiva dei modelli. Viene calcolato come segue:<\/span><\/p>\n MAPE<\/strong> = (1\/n) * \u03a3(|effettivo \u2013 previsione| \/ |effettivo|) * 100<\/span><\/p>\n Oro:<\/span><\/p>\n MAPE \u00e8 comunemente usato perch\u00e9 \u00e8 facile da interpretare e spiegare. Ad esempio, un valore MAPE dell’11,5% significa che la differenza media tra il valore previsto e il valore effettivo \u00e8 dell’11,5%.<\/span><\/p>\n Pi\u00f9 basso \u00e8 il valore MAPE, migliore \u00e8 la capacit\u00e0 del modello di prevedere i valori. Ad esempio, un modello con un MAPE del 5% \u00e8 pi\u00f9 accurato di un modello con un MAPE del 10%.<\/span><\/p>\n Non esiste una funzione Python incorporata per calcolare MAPE, ma possiamo creare una semplice funzione per farlo:<\/span><\/p>\n Possiamo quindi utilizzare questa funzione per calcolare il MAPE per due tabelle: una che contiene i valori dei dati effettivi e una che contiene i valori dei dati previsti.<\/span><\/p>\n Dai risultati, possiamo vedere che l’errore percentuale assoluto medio per questo modello \u00e8 10,8009%<\/strong> . In altre parole, la differenza media tra il valore previsto e il valore effettivo \u00e8 del 10,8009%.<\/span><\/p>\n Sebbene MAPE sia facile da calcolare e interpretare, il suo utilizzo presenta due potenziali inconvenienti:<\/span><\/p>\n 1.<\/strong> Poich\u00e9 la formula per calcolare l’errore percentuale assoluto \u00e8 |previsione effettiva| \/ |reale| ci\u00f2 significa che MAPE non verr\u00e0 definito se uno qualsiasi dei valori effettivi \u00e8 pari a zero.<\/span><\/p>\n 2.<\/strong> MAPE non deve essere utilizzato con un volume ridotto di dati. Ad esempio, se la domanda effettiva per un articolo \u00e8 2 e la previsione \u00e8 1, il valore dell’errore percentuale assoluto sar\u00e0 |2-1| \/ |2| = 50%, il che fa apparire l’errore di previsione piuttosto elevato, anche se la previsione \u00e8 sbagliata solo di 1 unit\u00e0.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":" L’errore percentuale assoluto medio (MAPE) \u00e8 comunemente utilizzato per misurare l’accuratezza predittiva dei modelli. Viene calcolato come segue: MAPE = (1\/n) * \u03a3(|effettivo \u2013 previsione| \/ |effettivo|) * 100 Oro: \u03a3 \u2013 un simbolo che significa \u201csomma\u201d n \u2013 dimensione del campione reale : il valore effettivo dei dati previsione : il valore dei dati […]<\/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
Come calcolare MAPE in Python<\/strong><\/h3>\n
import numpy<\/span> as np<\/span>\n\ndef<\/span> mape( actual<\/span> , pred<\/span> ): \n actual, pred = np.array(actual), np.array(pred)\n return<\/span> np.mean(np.abs((actual - pred) \/ actual)) * 100\n<\/strong><\/pre>\n actual = [12, 13, 14, 15, 15,22, 27]\npred = [11, 13, 14, 14, 15, 16, 18]\n\nmap(actual, pred)\n\n10.8009\n<\/strong><\/pre>\n
Precauzioni per l’uso di MAPE<\/strong><\/span><\/h3>\n