Mape 값을 해석하는 방법

모델의 예측 정확도를 측정하는 데 가장 일반적으로 사용되는 측정항목 중 하나는 평균 절대 백분율 오차 (종종 MAPE 로 약칭됨)입니다.

다음과 같이 계산됩니다.

MAPE = (1/n) * Σ(|실제 – 예측| / |실제|) * 100

금:

• Σ – “합계”를 의미하는 기호
• n – 표본 크기
• 실제 – 데이터의 실제 가치
• 예측 – 데이터의 예측 값

MAPE는 해석하기 쉽기 때문에 일반적으로 사용됩니다. 예를 들어 MAPE 값이 14%라는 것은 예측값과 실제값의 평균 차이가 14%라는 의미입니다.

다음 예에서는 지정된 모델에 대한 MAPE 값을 계산하고 해석하는 방법을 보여줍니다.

예: 특정 모델의 MAPE 값 해석

식료품 체인이 미래 매출을 예측하기 위한 모델을 구축하고 있다고 가정해 보겠습니다. 다음 차트는 12년 연속 판매 기간에 대한 모델의 실제 판매 및 예측 판매를 보여줍니다.

다음 공식을 사용하여 각 예측의 절대 백분율 오류를 계산할 수 있습니다.

• 절대오차율 = |실제예보| / |진짜| *100

그런 다음 절대 오류 백분율의 평균을 계산할 수 있습니다.

이 모델의 MAPE는 5.12% 로 나타났습니다.

이를 통해 모델 예측 판매량과 실제 판매량 간의 평균 절대 백분율 오차는 5.12% 임을 알 수 있습니다.

이것이 MAPE에 적합한 가치 인지 결정하는 것은 업계 표준에 따라 다릅니다.

표준 식품 산업이 모델을 생산할 때 MAPE 값이 2%인 경우 이 값인 5.12%는 높은 것으로 간주될 수 있습니다.

반대로, 대부분의 산업 식료품 예측 모델이 10%에서 15% 사이의 MAPE 값을 생성하는 경우 5.12%의 MAPE 값은 낮은 것으로 간주될 수 있으며 이 모델은 미래 매출 예측에 탁월한 것으로 간주될 수 있습니다.

다양한 모델의 MAPE 값 비교

MAPE는 다양한 모델의 적합성을 비교하는 데 특히 유용합니다.

예를 들어, 식료품 체인점에서 미래 판매를 예측하는 모델을 만들고 여러 잠재적 모델 중에서 가장 적합한 모델을 찾으려고 한다고 가정해 보겠습니다.

세 가지 다른 모델이 일치하고 해당 MAPE 값을 찾는다고 가정해 보겠습니다.

• 모델 1의 MAPE: 14.5%
• 모델 2 MAPE: 16.7%
• 모델 3 MAPE: 9.8%

모델 3은 MAPE 값이 가장 낮습니다. 이는 세 가지 잠재적 모델 중에서 가장 높은 정확도로 향후 판매를 예측할 수 있음을 나타냅니다.

추가 리소스

Excel에서 MAPE를 계산하는 방법
R에서 MAPE를 계산하는 방법
Python에서 MAPE를 계산하는 방법
MAPE 계산기