R ဖြင့် smape တွက်နည်း

Symmetric Mean Absolute Percentage Error (SMAPE) ကို မော်ဒယ်များ၏ ကြိုတင်ခန့်မှန်းနိုင်သော တိကျမှုကို တိုင်းတာရန် အသုံးပြုပါသည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။

SMAPE = (1/n) * Σ(|ခန့်မှန်းချက် – အမှန်တကယ်| / ((| အမှန်တကယ်| + | ခန့်မှန်းချက်|)/2) * 100

ရွှေ-

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

SMAPE ၏တန်ဖိုးသေးငယ်လေ၊ ပေးထားသောမော်ဒယ်တစ်ခု၏ခန့်မှန်းတိကျမှုပိုကောင်းလေဖြစ်သည်။

ဤသင်ခန်းစာတွင် SMAPE ကို R ဖြင့် တွက်ချက်ရန် သင်သုံးနိုင်သည့် မတူညီသော နည်းလမ်းနှစ်ခုကို ရှင်းပြထားသည်။

နည်းလမ်း 1- Metrics package မှ smape() ကိုသုံးပါ။

R တွင် SMAPE တွက်ချက်ရန်နည်းလမ်းတစ်ခုမှာ Metrics package မှ smape() လုပ်ဆောင်ချက်ကို အသုံးပြုရန်ဖြစ်သည်-

 library (Metrics)

#define actual values
actual <- c(12, 13, 14, 15, 15, 22, 27)

#define forecasted values
forecast <- c(11, 13, 14, 14, 15, 16, 18)

#calculate SMAPE
smape(actual, forecast)

[1] 0.1245302

ဤမော်ဒယ်အတွက် symmetric mean absolute percentage error သည် 12.45% ဖြစ်ကြောင်း ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

နည်းလမ်း 2: သင့်ကိုယ်ပိုင်လုပ်ဆောင်ချက်ကိုရေးပါ။

SMAPE တွက်ချက်ရန် အခြားနည်းလမ်းမှာ အောက်ပါအတိုင်း ကျွန်ုပ်တို့၏ ကိုယ်ပိုင်လုပ်ဆောင်ချက်ကို ဖန်တီးရန်ဖြစ်သည်။

 find_smape <- function (a, f) {
  return ( 1 /length(a) * sum( 2 *abs(fa) / (abs(a)+abs(f))* 100 ))
}

ထို့နောက် အမှန်တကယ်တန်ဖိုးများနှင့် ခန့်မှန်းထားသောတန်ဖိုးများကြားရှိ SMAPE ကို တွက်ချက်ရန် ဤလုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 #define actual values
actual <- c(12, 13, 14, 15, 15,22, 27)

#define forecasted values
forecast <- c(11, 13, 14, 14, 15, 16, 18)

#calculate SMAPE
find_smape(actual, forecast)

[1] 12.45302

တစ်ဖန်၊ SMAPE သည် ယခင်ဥပမာ၏ရလဒ်များနှင့်ကိုက်ညီသည့် 12.45% ဖြစ်သွားသည်။

ထပ်လောင်းအရင်းအမြစ်များ

MAPE ကို R ဖြင့် တွက်နည်း
R ဖြင့် MAD တွက်နည်း
R ဖြင့် MAE တွက်နည်း
R ဖြင့် RMSE တွက်နည်း
R ဖြင့် MSE တွက်နည်း