Mape တန်ဖိုးများကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုမည်နည်း။

မော်ဒယ်တစ်ခု၏ ခန့်မှန်းချက် တိကျမှုကို တိုင်းတာရန် အသုံးအများဆုံး မက်ထရစ်များထဲမှ တစ်ခုသည် ပျမ်းမျှ အကြွင်းမဲ့ ရာခိုင်နှုန်း အမှား ဖြစ်ပြီး မကြာခဏ MAPE ဟု အတိုကောက် ခေါ်ဝေါ်ခြင်း ဖြစ်သည်။

အောက်ပါအတိုင်း တွက်ချက်သည်။

MAPE = (1/n) * Σ(|အမှန်တကယ် – ခန့်မှန်းချက်| / |actual|) * 100

ရွှေ-

• ∑ – “ပေါင်း” ဟူသော သင်္ကေတ၊
• n – နမူနာအရွယ်အစား
• အမှန်တကယ် – ဒေတာ၏အစစ်အမှန်တန်ဖိုး
• ခန့်မှန်းချက် – ဒေတာ၏ ခန့်မှန်းတန်ဖိုး

MAPE ကို ဘာသာပြန်ရန် လွယ်ကူသောကြောင့် အသုံးများသည်။ ဥပမာ အားဖြင့် ၊ MAPE တန်ဖိုး 14% ဆိုသည်မှာ ခန့်မှန်းထားသောတန်ဖိုးနှင့် အမှန်တကယ်တန်ဖိုးအကြား ပျမ်းမျှကွာခြားချက်မှာ 14% ဖြစ်သည်။

အောက်ဖော်ပြပါ ဥပမာသည် ပေးထားသော မော်ဒယ်အတွက် MAPE တန်ဖိုးကို တွက်ချက်နည်းနှင့် အဓိပ္ပာယ်ဖွင့်ဆိုပုံတို့ကို ပြသထားသည်။

ဥပမာ- ပေးထားသောမော်ဒယ်အတွက် MAPE တန်ဖိုးကို ဘာသာပြန်ပါ။

ကုန်စုံဆိုင်ခွဲတစ်ခုသည် အနာဂတ်ရောင်းအားကို ခန့်မှန်းရန် မော်ဒယ်တစ်ခုကို တည်ဆောက်နေသည်ဆိုပါစို့။ အောက်ဖော်ပြပါဇယားသည် မော်ဒယ်၏ အမှန်တကယ်ရောင်းချမှုနှင့် ရောင်းအားကို 12 ဆက်တိုက် အရောင်းကာလအတွက် ခန့်မှန်းပြသသည်-

ခန့်မှန်းချက်တစ်ခုစီ၏ ပကတိရာခိုင်နှုန်းအမှားကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။

• အကြွင်းမဲ့ အမှားရာခိုင်နှုန်း = |အမှန်တကယ် ခန့်မှန်းချက်| /|အစစ်| *၁၀၀

ထို့နောက် ကျွန်ုပ်တို့သည် ပကတိအမှားရာခိုင်နှုန်းများ၏ ပျမ်းမျှအား တွက်ချက်နိုင်သည်-

ဤမော်ဒယ်အတွက် MAPE သည် 5.12% ဖြစ်လာသည်။

မော်ဒယ်ကြိုတင်ခန့်မှန်းထားသောရောင်းချမှုနှင့် အမှန်တကယ်ရောင်းချမှုကြားရှိ ပျှမ်းမျှပကတိပကတိရာခိုင်နှုန်းအမှားအယွင်းသည် 5.12% ဖြစ်သည် ။

၎င်းသည် MAPE အတွက် ကောင်းသောတန်ဖိုး ဟုတ်မဟုတ် ဆုံးဖြတ်ခြင်းသည် စက်မှုလုပ်ငန်းစံနှုန်းများပေါ်တွင် မူတည်ပါသည်။

စံစားနပ်ရိက္ခာလုပ်ငန်းသည် MAPE တန်ဖိုး 2% မော်ဒယ်ကို ထုတ်လုပ်ပါက ဤတန်ဖိုးသည် 5.12% မြင့်မားသည်ဟု ယူဆနိုင်သည်။

အပြန်အလှန်အားဖြင့်၊ စက်မှုလုပ်ငန်းသုံးကုန်စုံခန့်မှန်းမော်ဒယ်အများစုသည် MAPE တန်ဖိုးများ 10% နှင့် 15% အကြားထုတ်လုပ်ပါက MAPE တန်ဖိုး 5.12% နိမ့်သည်ဟု ယူဆနိုင်ပြီး ဤမော်ဒယ်သည် အနာဂတ်ရောင်းအားကို ခန့်မှန်းရန်အတွက် အကောင်းဆုံးဟု ယူဆနိုင်ပါသည်။

မတူညီသောမော်ဒယ်များ၏ MAPE တန်ဖိုးများကို နှိုင်းယှဉ်ခြင်း။

MAPE သည် မတူညီသော မော်ဒယ်များ၏ အံအားသင့်မှုကို နှိုင်းယှဉ်ရန်အတွက် အထူးအသုံးဝင်သည်။

ဥပမာအားဖြင့်၊ ကုန်စုံဆိုင်ခွဲတစ်ခုသည် အနာဂတ်ရောင်းအားကို ခန့်မှန်းရန် မော်ဒယ်တစ်ခု ဖန်တီးလိုပြီး ဖြစ်နိုင်ချေရှိသော မော်ဒယ်များစွာထဲမှ အကောင်းဆုံး မော်ဒယ်ကို ရှာဖွေလိုသည်ဆိုပါစို့။

၎င်းတို့သည် မတူညီသော မော်ဒယ်သုံးမျိုးနှင့် ကိုက်ညီပြီး ၎င်းတို့၏ သက်ဆိုင်ရာ MAPE တန်ဖိုးများကို ရှာကြည့်ကြပါစို့။

• မော်ဒယ် 1 ၏မြေပုံ- 14.5%
• ပုံစံ 2 မြေပုံ- 16.7%
• ပုံစံ 3 မြေပုံ- 9.8%

မော်ဒယ် 3 တွင် အနိမ့်ဆုံး MAPE တန်ဖိုး ရှိပြီး ၎င်းသည် အနာဂတ် အလားအလာ မော်ဒယ် သုံးခုတွင် အမြင့်မားဆုံး တိကျမှုဖြင့် ရောင်းချမှုကို ခန့်မှန်းနိုင်သည်ဟု ကျွန်ုပ်တို့ကို ညွှန်ပြသည်။

ထပ်လောင်းအရင်းအမြစ်များ

Excel တွင် MAPE တွက်ချက်နည်း
MAPE ကို R ဖြင့် တွက်နည်း
Python တွင် MAPE တွက်ချက်နည်း
မြေပုံဂဏန်းတွက်စက်