R で単純予測を実行する方法: 例付き

単純な予測とは、特定の期間の予測が前の期間に観測された値と単純に等しい予測です。

たとえば、年の最初の 3 か月間で特定の製品が次のような売上になったとします。

4 月の売上予測は、前年 3 月の実際の売上と単純に等しくなります。

この方法は単純ですが、実際には驚くほどうまく機能する傾向があります。

このチュートリアルでは、R で単純な予測を実行する方法の段階的な例を示します。

ステップ 1: データを入力する

まず、架空の会社で 12 か月間の売上データを入力します。

 #create vector to hold actual sales data
actual <- c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24)

ステップ 2: 単純な予測を生成する

次に、次の式を使用して月ごとの単純な予測を作成します。

 #generate naive forecasts
forecast <- c(NA, actual[- length (actual)])

#view naive forecasts
forecast

[1] NA 34 37 44 47 48 48 46 43 32 27 26

最初の予測値には単純にNAを使用したことに注意してください。

ステップ 3: 予測精度を測定する

最後に、予測の精度を測定する必要があります。精度の測定に使用される 2 つの一般的な指標は次のとおりです。

• 平均絶対パーセント誤差 (MAPE)
• 平均絶対誤差 (MAE)

次のコードを使用して、両方のメトリクスを計算できます。

 #calculate MAPE
mean(abs((actual-forecast)/actual), na. rm = T ) * 100

[1] 9.898281

#calculate MAE
mean(abs(actual-forecast), na. rm = T )

[1] 3.454545

平均絶対パーセント誤差は9.898% 、平均絶対誤差は3.45 です。

この予測が有用かどうかを確認するには、他の予測モデルと比較し、測定精度が良いか悪いかを確認できます。

ステップ 4: 予測を視覚化する

最後に、単純な折れ線プロットを作成して、各期間における実際の売上と単純な売上予測の差を視覚化できます。

 #plot actual sales
plot(actual, type=' l ', col = ' red ', main=' Actual vs. Forecasted Sales ',
     xlab=' Sales Period ', ylab=' Sales ')

#add line for forecasted sales
lines(forecast, type=' l ', col = ' blue ')

#add legend
legend(' topright ', legend=c(' Actual ', ' Forecasted '),
       col=c(' red ', ' blue '), lty=1)

予測された売りラインは、基本的に実際の売りラインをシフトしたバージョンであることに注意してください。

単純な予測では、今期の売上が前期の売上と同じになると単純に予測しているため、これはまさに予想通りです。

追加リソース

RでMAEを計算する方法
RでMAPEを計算する方法
MAPE にとって適切な価値は何だと考えられますか?