R에서 wmpe를 계산하는 방법(예제 포함)
모델의 예측 정확도를 측정하는 데 가장 일반적으로 사용되는 측정항목 중 하나는 WMPE 이며, 이는 가중 평균 절대 백분율 오류를 나타냅니다.
WMAPE를 계산하는 공식은 다음과 같습니다.
WMAPE = (Σ|y i – ŷ i |*wi ) / (Σy i * wi ) * 100
금:
- Σ – “합계”를 의미하는 기호
- y i – i 번째 관측치의 실제 값
- ŷ i – i 번째 관측치의 예측값
- w i – i 번째 관측치의 가중치
R에서 WMPE를 계산하기 위해 다음 함수를 정의할 수 있습니다.
find_WMAPE <- function (y, yhat, w){ return (sum(abs(y-yhat)*w)/sum(y*w)*100) }
다음 예에서는 이 기능을 실제로 사용하는 방법을 보여줍니다.
예: R에서 WMPE 계산
소매점의 실제 및 예측 매출에 대한 정보가 포함된 다음과 같은 데이터 프레임이 R에 있다고 가정합니다.
#create dataset data <- data. frame (actual=c(23, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24), forecast=c(37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23)) #view dataset data current forecast 1 23 37 2 37 40 3 44 46 4 47 44 5 48 46 6 48 50 7 46 45 8 43 44 9 32 34 10 27 30 11 26 22 12 24 23
실제 매출과 예측 매출의 차이에 대한 WMAPE를 계산하려면 사용할 가중치 벡터를 정의한 다음 앞서 정의한 WMAPE 함수를 사용할 수 있습니다.
#define function to calculate WMAPE find_WMAPE <- function (y, yhat, w){ return (sum(abs(y-yhat)*w)/sum(y*w)*100) } #define weights for each month weights <- c(20, 20, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6) #calculate WMAPE find_WMAPE(df$actual, df$predicted, weights) [1] 13.27635
이 모델의 WMPE는 13.27635% 로 나타났습니다.
즉, 예상 매출액과 실제 매출액 사이의 가중평균 절대백분율 오차는 13.27635%이다.
이 예에서는 1월과 2월 값에 훨씬 더 큰 가중치를 할당했습니다.
특정 문제에 따라 모델의 각 오류의 중요성에 따라 다양한 관찰에 더 크거나 더 작은 가중치를 할당할 수 있습니다.
추가 리소스
다음 튜토리얼에서는 R에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.