Jak obliczyć smape w r

Symetryczny średni bezwzględny błąd procentowy (SMAPE) służy do pomiaru dokładności predykcyjnej modeli. Oblicza się go w następujący sposób:

SMAPE = (1/n) * Σ(|prognoza – faktyczna| / ((|rzeczywista| + |prognoza|)/2) * 100

Złoto:

• Σ – symbol oznaczający „sumę”
• n – wielkość próby
• real – rzeczywista wartość danych
• prognoza – oczekiwana wartość danych

Im mniejsza wartość SMAPE, tym lepsza dokładność predykcyjna danego modelu.

W tym samouczku wyjaśniono dwie różne metody, których można użyć do obliczenia SMAPE w R.

Metoda 1: Użyj smape() z pakietu Metrics

Jednym ze sposobów obliczenia SMAPE w R jest użycie funkcji smape() z pakietu Metrics :

 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

Widzimy, że symetryczny średni bezwzględny błąd procentowy dla tego modelu wynosi 12,45% .

Metoda 2: Napisz własną funkcję

Innym sposobem obliczenia SMAPE jest utworzenie własnej funkcji w następujący sposób:

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

Możemy następnie użyć tej funkcji do obliczenia SMAPE pomiędzy wektorem wartości rzeczywistych i wartości przewidywanych:

 #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

Po raz kolejny SMAPE okazuje się wynosić 12,45% , co odpowiada wynikom z poprzedniego przykładu.

Dodatkowe zasoby

Jak obliczyć MAPE w R
Jak obliczyć MAD w R
Jak obliczyć MAE w R
Jak obliczyć RMSE w R
Jak obliczyć MSE w R