R ဖြင့် wmape တွက်နည်း (ဥပမာ)

မော်ဒယ်တစ်ခု၏ ခန့်မှန်းချက် တိကျမှုကို တိုင်းတာရန် အသုံးအများဆုံး မက်ထရစ်များထဲမှ တစ်ခုသည် WMAPE ဖြစ်ပြီး၊ အလေးချိန် ပျမ်းမျှ ပကတိ ရာခိုင်နှုန်း အမှားအယွင်း ကို ကိုယ်စားပြုသည်။

WMAPE တွက်ချက်ရန် ဖော်မြူလာမှာ-

WMAPE = (Σ|y _i – ŷ _i |*w _i ) / (Σy _i *w _i ) * 100

ရွှေ-

• ∑ – “ပေါင်း” ဟူသော သင်္ကေတ
• y _i – ^IT စောင့်ကြည့်မှု၏ တကယ့်တန်ဖိုး
• ŷ _i – i ^th observation ၏ ခန့်မှန်းတန်ဖိုး
• w _i – i ^th observation ၏အလေးချိန်

WMAPE ကို R ဖြင့်တွက်ချက်ရန် အောက်ပါလုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့ သတ်မှတ်နိုင်သည်-

 find_WMAPE <- function (y, yhat, w){
  return (sum(abs(y-yhat)*w)/sum(y*w)*100)
}

အောက်ဖော်ပြပါ ဥပမာသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ- WMAPE ကို R ဖြင့် တွက်ချက်ခြင်း

လက်လီစတိုးတစ်ခုအတွက် အမှန်တကယ်ရောင်းအားနှင့် ခန့်မှန်းချက်အချက်အလက်များပါရှိသော R တွင် အောက်ပါဒေတာဘောင်ရှိသည်ဆိုပါစို့။

 #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

အမှန်တကယ်ရောင်းအားနှင့် ခန့်မှန်းချက် ကွာခြားချက်အတွက် WMAPE ကို တွက်ချက်ရန်၊ အသုံးပြုရန် အလေး၏ vector ကို သတ်မှတ်နိုင်ပြီး၊ အစောပိုင်းတွင် ကျွန်ုပ်တို့သတ်မှတ်ထားသော WMAPE လုပ်ဆောင်ချက်ကို အသုံးပြုပါ-

 #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

ဤမော်ဒယ်အတွက် WMAPE သည် 13.27635% ဖြစ်သွားသည်။

ဆိုလိုသည်မှာ၊ ခန့်မှန်းထားသော အရောင်းတန်ဖိုးများနှင့် အမှန်တကယ် အရောင်းတန်ဖိုးများအကြား အလေးချိန်ရှိ ပျှမ်းမျှ အကြွင်းမဲ့ ရာခိုင်နှုန်း အမှားသည် 13.27635% ဖြစ်သည်။

ဤဥပမာတွင် ဇန်န၀ါရီနှင့် ဖေဖေါ်ဝါရီလတန်ဖိုးများအတွက် ပိုကြီးသောအလေးများကို သတ်မှတ်ပေးထားကြောင်း သတိပြုပါ။

သင်၏အထူးပြဿနာပေါ် မူတည်၍ သင့်မော်ဒယ်ရှိ အမှားတစ်ခုစီ၏ အရေးပါမှုအပေါ် အခြေခံ၍ မတူညီသော ရှုမြင်ချက်များတွင် ကြီးသော သို့မဟုတ် အနည်းကို သတ်မှတ်နိုင်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

MAPE ကို R ဖြင့် တွက်နည်း
R ဖြင့် SMAPE တွက်နည်း
R ဖြင့် RMSE တွက်နည်း