R에서 순진한 예측을 수행하는 방법: 예제 포함
순진한 예측은 특정 기간에 대한 예측이 이전 기간에 관찰된 값과 단순히 동일한 예측입니다.
예를 들어, 해당 연도의 첫 3개월 동안 특정 제품에 대해 다음과 같은 판매가 있었다고 가정해 보겠습니다.
4월 매출 예측은 단순히 지난 3월의 실제 매출과 동일합니다.
이 방법은 간단하지만 실제로는 놀라울 정도로 잘 작동하는 경향이 있습니다.
이 튜토리얼에서는 R에서 순진한 예측을 수행하는 방법에 대한 단계별 예를 제공합니다.
1단계: 데이터 입력
먼저 가상 회사의 12개월 동안의 판매 데이터를 입력하겠습니다.
#create vector to hold actual sales data
actual <- c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24)
2단계: 순진한 예측 생성
다음으로, 다음 공식을 사용하여 매월 순진한 예측을 생성하겠습니다.
#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
첫 번째 예측 값에는 단순히 NA를 사용했습니다.
3단계: 예측 정확도 측정
마지막으로 예측의 정확성을 측정해야 합니다. 정확도를 측정하는 데 사용되는 두 가지 일반적인 측정항목은 다음과 같습니다.
- 평균 절대 백분율 오류(MAPE)
- 평균 절대 오차(MAE)
다음 코드를 사용하여 두 측정항목을 모두 계산할 수 있습니다.
#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
평균 절대 백분율 오류는 9.898% 이고 평균 절대 오류는 3.45입니다.
이 예측이 유용한지 알아보려면 이를 다른 예측 모델과 비교하여 측정 정확도가 더 좋은지 나쁜지 확인할 수 있습니다.
4단계: 예측 시각화
마지막으로 각 기간 동안의 실제 판매와 순진한 판매 예측 간의 차이를 시각화하는 간단한 선 도표를 만들 수 있습니다.
#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)
예측된 판매 라인은 본질적으로 실제 판매 라인의 이동된 버전입니다.
순진한 예측은 단순히 현재 기간의 매출이 이전 기간의 매출과 동일할 것이라고 예측하기 때문에 이것이 바로 우리가 기대하는 것입니다.