Comment calculer SMAPE dans R

L’ erreur de pourcentage absolue moyenne symétrique (SMAPE) est utilisée pour mesurer la précision prédictive des modèles. Il est calculé comme suit :

SMAPE = (1/n) * Σ(|prévision – réel| / ((|réel| + |prévision|)/2) * 100

où:

• Σ – un symbole qui signifie « somme »
• n – taille de l’échantillon
• réel – la valeur réelle des données
• prévision – la valeur des données prévue

Plus la valeur de SMAPE est petite, meilleure est la précision prédictive d’un modèle donné.

Ce didacticiel explique deux méthodes différentes que vous pouvez utiliser pour calculer SMAPE dans R.

Méthode 1 : utilisez smape() du package Metrics

Une façon de calculer SMAPE dans R consiste à utiliser la fonction smape() du package 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

Nous pouvons voir que l’erreur en pourcentage absolu moyenne symétrique pour ce modèle est de 12,45 % .

Méthode 2 : écrivez votre propre fonction

Une autre façon de calculer SMAPE consiste à créer notre propre fonction comme suit :

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

On peut alors utiliser cette fonction pour calculer le SMAPE entre un vecteur de valeurs réelles et des valeurs prévues :

#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

Une fois de plus, le SMAPE s’avère être de 12,45% , ce qui correspond aux résultats de l’exemple précédent.

Ressources additionnelles

Comment calculer MAPE dans R
Comment calculer MAD en R
Comment calculer le MAE dans R
Comment calculer le RMSE dans R
Comment calculer MSE dans R