Що вважається хорошим значенням для mape?

Одним із найбільш часто використовуваних показників для вимірювання точності прогнозу моделі є MAPE , що означає середню абсолютну відсоткову помилку .

Формула для розрахунку MAPE така:

MAPE = (1/n) * Σ(|фактичний – прогноз| / |фактичний|) * 100

золото:

• Σ – химерний символ, що означає «сума»
• n – розмір вибірки
• real – фактичне значення даних
• прогноз – очікуване значення даних

MAPE зазвичай використовується, оскільки його легко інтерпретувати та пояснювати. Наприклад, значення MAPE 8% означає, що середня різниця між прогнозованим і фактичним значенням становить 8%.

Одне з найпоширеніших запитань, які люди задають, використовуючи цей показник:

Що є хорошим значенням для MAPE?

Незадовільна відповідь: це залежить .

Очевидно, що чим нижче значення MAPE, тим краще, але немає конкретного значення, яке можна назвати «хорошим» або «поганим». Це залежить від кількох факторів:

• Тип галузі
• Значення MAPE порівняно з простою моделлю прогнозу

Давайте глибше дослідимо ці два фактори.

MAPE залежить від галузі

Часто компанії створюють прогнози щодо попиту на свою продукцію, а потім використовують MAPE для вимірювання точності прогнозів.

На жаль, не існує «стандартного» значення MAPE, оскільки воно може значно відрізнятися залежно від типу бізнесу.

Наприклад, компанія, яка рідко змінює свої ціни, швидше за все, матиме стабільний, передбачуваний попит, тобто її модель може мати дуже низький MAPE, можливо, менше 3%.

Для інших компаній, які постійно проводять рекламні акції та спеціальні пропозиції, їхній попит суттєво змінюватиметься з часом, тому моделі прогнозування, ймовірно, буде важче передбачити попит настільки точно, що означає, що моделі можуть мати вищу цінність для MAPE.

Ви повинні дуже скептично ставитися до «галузевих стандартів» для MAPE.

Порівняйте MAPE із простою моделлю прогнозування

Замість того, щоб намагатися порівняти MAPE вашої моделі з довільним «хорошим» значенням, вам слід порівняти його з MAPE простих моделей прогнозування.

Існує дві відомі прості моделі прогнозування:

1. Метод середнього прогнозу.

Цей тип моделі прогнозування просто передбачає, що значення наступного майбутнього періоду буде середнім за всі попередні періоди. Хоча цей метод здається надто спрощеним, на практиці він дає хороші результати.

2. Метод наївного прогнозування.

Цей тип моделі прогнозування передбачає, що вартість наступного майбутнього періоду буде дорівнює попередньому періоду. Знову ж таки, хоча цей метод досить простий, він, як правило, працює напрочуд добре.

Розробляючи нову модель прогнозування, ви повинні порівняти MAPE цієї моделі з MAPE цих двох простих методів прогнозування.

Якщо MAPE вашої нової моделі не є суттєво кращим за ці два методи, тоді ви не повинні вважати його корисним.

Заключні думки

Хоча MAPE широко використовується і його легко інтерпретувати, є деякі потенційні недоліки його використання:

1. Оскільки формула для розрахунку абсолютної відсоткової похибки має вигляд |фактично-прогнозована| / |справжній| це означає, що воно не буде встановлено, якщо будь-яке з фактичних значень дорівнює нулю.

2. MAPE не слід використовувати з даними малого обсягу. Наприклад, якщо фактичний попит на товар дорівнює 2, а прогноз – 1, абсолютне значення похибки у відсотках буде |2-1| / |2| = 50%, що робить помилку прогнозу досить високою, навіть якщо прогноз відхиляється лише на 1 одиницю.

Потенційні альтернативи MAPE включають середнє абсолютне відхилення та середню квадратичну помилку.

Додаткові ресурси

Як розрахувати MAPE в Excel
Як розрахувати MAPE в R
Як розрахувати MAPE в Python
Що вважається хорошим значенням RMSE?