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.

추가 리소스

R에서 MAE를 계산하는 방법
R에서 MAPE를 계산하는 방법
MAPE의 좋은 가치는 무엇입니까?