Mape にとって適切な価値は何だと考えられますか?
モデルの予測精度を測定するために最も一般的に使用されるメトリクスの 1 つはMAPEで、これは平均絶対パーセント誤差を表します。
MAPE を計算する式は次のとおりです。
MAPE = (1/n) * Σ(|実際 – 予測| / |実際|) * 100
金:
- Σ – 「和」を意味する派手な記号
- n – サンプルサイズ
- real – データの実際の値
- 予測– データの期待値
MAPE は解釈と説明が簡単なため、一般的に使用されます。たとえば、MAPE 値 8% は、予測値と実際の値の平均差が 8% であることを意味します。
この指標を使用するときに人々が抱く最も一般的な質問の 1 つは次のとおりです。
MAPE の適切な値はどれくらいですか?
満足のいく答えではありません。それは状況によります。
MAPE 値が低いほど良いのは明らかですが、「良い」または「悪い」と言える特定の値はありません。これはいくつかの要因によって決まります。
- 業種
- 単純な予測モデルと比較した MAPE 値
これら 2 つの要因を詳しく調べてみましょう。
MAPEは業界によって異なります
多くの場合、企業は自社製品の需要に関する予測を作成し、MAPE を使用して予測の精度を測定します。
残念ながら、MAPE 値はビジネスの種類によって大きく異なる可能性があるため、「標準」というものはありません。
たとえば、価格をほとんど変更しない企業は、安定した予測可能な需要を持っている可能性が高く、これは非常に低い MAPE (おそらく 3% 未満) を生み出すモデルを備えている可能性があります。
プロモーションや特別オファーを継続的に実施している他の企業の場合、その需要は時間の経過とともに大きく変化するため、予測モデルで需要を正確に予測するのは困難になる可能性が高く、これはモデルが MAPE にとってより高い価値を持つ可能性があることを意味します。
MAPE の「業界標準」には非常に懐疑的である必要があります。
MAPE を単純な予測モデルと比較する
モデルの MAPE を任意の「適切な」値と比較しようとするのではなく、単純な予測モデルの MAPE と比較する必要があります。
よく知られている単純な予測モデルが 2 つあります。
1. 平均予測法。
このタイプの予測モデルは、次の期間の値が以前のすべての期間の平均になると単純に予測します。この方法は単純すぎるように見えますが、実際には良い結果が得られる傾向があります。
2. 素朴な予測方法。
このタイプの予測モデルは、次の期間の値が前の期間と等しくなることを予測します。繰り返しますが、この方法は非常に単純ですが、驚くほどうまく機能する傾向があります。
新しい予測モデルを開発するときは、そのモデルの MAPE をこれら 2 つの単純な予測方法の MAPE と比較する必要があります。
新しいモデルの MAPE がこれら 2 つの方法より大幅に優れていない場合は、それが有用であるとは考えるべきではありません。
最終的な考え
MAPE は広く使用されており、解釈が簡単ですが、その使用には潜在的な欠点がいくつかあります。
1.絶対パーセント誤差を計算する式は |actual-forecast| であるため、 / |本物|これは、実際の値のいずれかがゼロの場合は設定されないことを意味します。
2. MAPE は、少量のデータでは使用しないでください。たとえば、品目の実際の需要が 2 で、予測が 1 の場合、絶対パーセント誤差値は |2-1| になります。 / |2| = 50% であるため、たとえ予測が 1 単位だけ外れていたとしても、予測誤差はかなり大きくなります。
MAPE の代替となる可能性のあるものには、平均絶対偏差と平均二乗誤差が含まれます。
追加リソース
Excel で MAPE を計算する方法
RでMAPEを計算する方法
Python で MAPE を計算する方法
適切な RMSE 値はどれくらいと考えられますか?