Python တွင် mape တွက်ချက်နည်း

မော်ဒယ်များ၏ ခန့်မှန်းခြေတိကျမှုကို တိုင်းတာရန်အတွက် ပျမ်းမျှ ပကတိရာခိုင်နှုန်းအမှား (MAPE) ကို အများအားဖြင့် အသုံးပြုပါသည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။

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

ရွှေ-

• ∑ – “ပေါင်း” ဟူသော သင်္ကေတ
• n – နမူနာအရွယ်အစား
• real – ဒေတာ၏ အမှန်တကယ်တန်ဖိုး
• ခန့်မှန်းချက် – ခန့်မှန်းထားသောဒေတာတန်ဖိုး

MAPE ကို အဓိပ္ပာယ်ဖွင့်ဆိုရန် လွယ်ကူသောကြောင့် အသုံးများသည်။ ဥပမာအားဖြင့်၊ MAPE တန်ဖိုး 11.5% ဆိုသည်မှာ ခန့်မှန်းထားသော တန်ဖိုးနှင့် အမှန်တကယ်တန်ဖိုးအကြား ပျမ်းမျှကွာခြားချက်မှာ 11.5% ဖြစ်သည်။

MAPE တန်ဖိုးနိမ့်လေ၊ မော်ဒယ်တစ်ခုသည် တန်ဖိုးများကို ခန့်မှန်းနိုင်လေဖြစ်သည်။ ဥပမာ၊ MAPE 5% ရှိသော မော်ဒယ်သည် 10% MAPE ရှိသော မော်ဒယ်ထက် ပိုတိကျပါသည်။

Python တွင် MAPE တွက်ချက်နည်း

MAPE ကိုတွက်ချက်ရန် built-in Python လုပ်ဆောင်ချက်မရှိသော်လည်း ၎င်းကိုပြုလုပ်ရန် ရိုးရှင်းသောလုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့ဖန်တီးနိုင်သည်-

 import numpy as np

def mape( actual , pred ): 
    actual, pred = np.array(actual), np.array(pred)
    return np.mean(np.abs((actual - pred) / actual)) * 100

ထို့နောက် ကျွန်ုပ်တို့သည် ဇယားနှစ်ခုအတွက် MAPE ကို တွက်ချက်ရန် ဤလုပ်ဆောင်ချက်ကို သုံးနိုင်သည်- အမှန်တကယ် ဒေတာတန်ဖိုးများပါရှိသော တစ်ခုနှင့် ခန့်မှန်းထားသော ဒေတာတန်ဖိုးများပါရှိသော တစ်ခု။

 actual = [12, 13, 14, 15, 15,22, 27]
pred = [11, 13, 14, 14, 15, 16, 18]

map(actual, pred)

10.8009

ရလဒ်များမှ၊ ဤမော်ဒယ်အတွက် ပျမ်းမျှ ပကတိ ရာခိုင်နှုန်း အမှားအယွင်းသည် 10.8009% ဖြစ်ကြောင်း ကျွန်ုပ်တို့ တွေ့နိုင်ပါသည်။ တစ်နည်းဆိုရသော် ခန့်မှန်းတန်ဖိုးနှင့် အမှန်တကယ်တန်ဖိုးအကြား ပျမ်းမျှကွာခြားချက်မှာ 10.8009% ဖြစ်သည်။

MAPE အသုံးပြုခြင်းအတွက် ကြိုတင်ကာကွယ်မှုများ

MAPE သည် တွက်ချက်ရန်နှင့် ဘာသာပြန်ရန် လွယ်ကူသော်လည်း ၎င်း၏အသုံးပြုမှုတွင် အားနည်းချက်နှစ်ရပ်ရှိသည်။

1. absolute percentage error သည် |လက်တွေ့ခန့်မှန်းချက်| /|အစစ်| ဆိုလိုသည်မှာ အမှန်တကယ်တန်ဖိုးများသည် သုညဖြစ်နေပါက MAPE ကို သတ်မှတ်မည်မဟုတ်ပါ။

2. MAPE ကို အသံအတိုးအကျယ်ဒေတာဖြင့် အသုံးမပြုသင့်ပါ။ ဥပမာအားဖြင့်၊ ပစ္စည်းတစ်ခုအတွက် အမှန်တကယ်လိုအပ်ချက်မှာ 2 ဖြစ်ပြီး ခန့်မှန်းချက်မှာ 1 ဖြစ်ပါက၊ ပကတိရာခိုင်နှုန်းအမှားတန်ဖိုးသည် |2-1| ဖြစ်လိမ့်မည်။ /|2| = 50% သည် ခန့်မှန်းချက် 1 ယူနစ်ဖြင့်သာ ပိတ်ထားသော်လည်း ခန့်မှန်းချက်အမှားအယွင်းကို အတော်လေးမြင့်မားစေသည်။