Mape의 좋은 가치는 무엇입니까?

모델의 예측 정확도를 측정하는 데 가장 일반적으로 사용되는 측정항목 중 하나는 평균 절대 백분율 오차를 나타내는 MAPE 입니다.

MAPE를 계산하는 공식은 다음과 같습니다.

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

금:

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

MAPE는 해석과 설명이 쉽기 때문에 흔히 사용됩니다. 예를 들어 MAPE 값이 8%라는 것은 예측값과 실제값의 평균 차이가 8%라는 의미입니다.

사람들이 이 측정항목을 사용할 때 묻는 가장 일반적인 질문 중 하나는 다음과 같습니다.

MAPE의 좋은 가치는 무엇입니까?

만족스럽지 못한 대답은 다음과 같습니다 .

물론 MAPE 값이 낮을수록 좋지만, “좋음” 또는 “나쁨”이라고 정의할 수 있는 특정 값은 없습니다. 이는 여러 가지 요인에 따라 달라집니다.

• 산업의 종류
• 단순 예측 모델과 비교한 MAPE 값

이 두 가지 요소를 심층적으로 살펴보겠습니다.

MAPE는 업종에 따라 다릅니다.

기업에서는 제품 수요에 대한 예측을 생성한 다음 MAPE를 사용하여 예측의 정확성을 측정하는 경우가 많습니다.

불행하게도 비즈니스 유형에 따라 크게 달라질 수 있는 “표준” MAPE 값은 없습니다.

예를 들어, 가격을 거의 변경하지 않는 회사는 안정적이고 예측 가능한 수요를 가질 가능성이 높으며, 이는 아마도 3% 미만의 매우 낮은 MAPE를 생산하는 모델을 보유할 수 있음을 의미합니다.

프로모션과 특별 제안을 지속적으로 진행하는 다른 기업의 경우 수요가 시간이 지남에 따라 크게 달라지므로 예측 모델이 수요를 정확하게 예측하는 데 어려움을 겪을 가능성이 높습니다. 즉, 해당 모델은 MAPE에 대해 더 높은 가치를 가질 수 있습니다.

MAPE의 “산업 표준”에 대해 매우 회의적이어야 합니다.

MAPE를 간단한 예측 모델과 비교

모델의 MAPE를 임의의 “좋은” 값과 비교하는 대신 단순 예측 모델의 MAPE와 비교해야 합니다.

잘 알려진 두 가지 단순 예측 모델이 있습니다.

1. 평균 예측 방법.

이러한 유형의 예측 모델은 다음 기간의 값이 모든 이전 기간의 평균이 될 것이라고 간단히 예측합니다. 이 방법은 지나치게 단순해 보이지만 실제로는 좋은 결과를 얻는 경향이 있습니다.

2. 순진한 예측 방법.

이러한 유형의 예측 모델은 다음 기간의 가치가 이전 기간과 동일할 것이라고 예측합니다. 다시 말하지만, 이 방법은 매우 간단하지만 놀라울 정도로 잘 작동하는 경향이 있습니다.

새로운 예측 모델을 개발할 때 해당 모델의 MAPE를 이 두 가지 간단한 예측 방법의 MAPE와 비교해야 합니다.

새 모델의 MAPE가 이 두 가지 방법보다 크게 좋지 않다면 이 방법이 유용하다고 생각해서는 안 됩니다.

마지막 생각들

MAPE는 널리 사용되고 해석하기 쉽지만 사용에는 몇 가지 잠재적인 단점이 있습니다.

1. 절대 백분율 오차 계산 공식은 |actual-forecast|이므로 / |진짜| 이는 실제 값 중 하나라도 0이 되면 설정되지 않음을 의미합니다.

2. MAPE는 용량이 적은 데이터에는 사용하면 안 됩니다. 예를 들어, 품목에 대한 실제 수요가 2이고 예측이 1인 경우 절대 백분율 오류 값은 |2-1|입니다. / |2| = 50%, 예측이 1단위만 벗어나더라도 예측 오류가 상당히 높게 나타납니다.

MAPE의 잠재적인 대안으로는 평균 절대 편차와 평균 제곱 오차가 있습니다.

추가 리소스

Excel에서 MAPE를 계산하는 방법
R에서 MAPE를 계산하는 방법
Python에서 MAPE를 계산하는 방법
좋은 RMSE 값은 무엇입니까?