Hoe smape in r te berekenen

Symmetric Mean Absolute Percentage Error (SMAPE) wordt gebruikt om de voorspellende nauwkeurigheid van modellen te meten. Het wordt als volgt berekend:

SMAPE = (1/n) * Σ(|voorspelling – actueel| / ((|actueel| + |voorspelling|)/2) * 100

Goud:

• Σ – een symbool dat “som” betekent
• n – steekproefomvang
• real – de werkelijke waarde van de gegevens
• voorspelling – de verwachte waarde van de gegevens

Hoe kleiner de waarde van SMAPE, hoe beter de voorspellende nauwkeurigheid van een bepaald model.

In deze tutorial worden twee verschillende methoden uitgelegd die u kunt gebruiken om SMAPE in R te berekenen.

Methode 1: Gebruik smape() uit het Metrics-pakket

Eén manier om SMAPE in R te berekenen is door de functie smape() uit het Metrics- pakket te gebruiken:

 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

We kunnen zien dat de symmetrische gemiddelde absolute procentuele fout voor dit model 12,45% bedraagt.

Methode 2: Schrijf uw eigen functie

Een andere manier om SMAPE te berekenen is door als volgt onze eigen functie te maken:

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

We kunnen deze functie vervolgens gebruiken om de SMAPE te berekenen tussen een vector van werkelijke waarden en voorspelde waarden:

 #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

Opnieuw blijkt de SMAPE 12,45% te zijn, wat overeenkomt met de resultaten van het vorige voorbeeld.

Aanvullende bronnen

Hoe MAPE in R te berekenen
Hoe MAD in R te berekenen
Hoe MAE in R te berekenen
Hoe RMSE in R te berekenen
Hoe MSE in R te berekenen