Как рассчитать smape в r

Симметричная средняя абсолютная процентная ошибка (SMAPE) используется для измерения точности прогнозирования моделей. Он рассчитывается следующим образом:

SMAPE = (1/n) * Σ(|прогноз – факт| / ((|факт| + |прогноз|)/2) * 100

Золото:

• Σ – символ, означающий «сумма».
• n – размер выборки
• реальный – фактическое значение данных
• прогноз – ожидаемое значение данных

Чем меньше значение SMAPE, тем выше точность прогнозирования данной модели.

В этом руководстве объясняются два разных метода, которые можно использовать для расчета SMAPE в R.

Способ 1: используйте smape() из пакета Metrics.

Один из способов расчета SMAPE в R — использовать функцию smape() из пакета 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

Мы видим, что симметричная средняя абсолютная процентная ошибка для этой модели составляет 12,45% .

Способ 2: Напишите свою собственную функцию

Другой способ расчета SMAPE — создать собственную функцию следующим образом:

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

Затем мы можем использовать эту функцию для расчета SMAPE между вектором фактических значений и прогнозируемых значений:

 #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

И снова SMAPE оказывается равным 12,45% , что соответствует результатам предыдущего примера.

Дополнительные ресурсы

Как рассчитать MAPE в R
Как рассчитать MAD в R
Как рассчитать MAE в R
Как рассчитать RMSE в R
Как рассчитать MSE в R