タグ付けされた質問 「mape」

平均絶対誤差率（MAPEは）、時系列や他の予測のための共通の精度や誤差尺度であり、 MAPE = 100n∑t = 1n| At− Ft|At％、メイプ=100n∑t=1n|At−Ft|At％、 \text{MAPE} = \frac{100}{n}\sum_{t=1}^n\frac{|A_t-F_t|}{A_t}\%, ここで、は実績であり、AtAtA_t対応する予測または予測です。FtFtF_t MAPEはパーセンテージであるため、シリーズ間で簡単に比較でき、人々はパーセンテージを簡単に理解して解釈できます。 ただし、MAPEには欠点があると聞きました。私はMAPEまたはMSE（のようないくつかの代替使用するかどうかについての情報に基づいた意思決定することができますので、私はより良いこれらの欠点を理解したいと思いMSE）、MAE（メイ）またはMASE（間瀬を）。

29 accuracy  mape 

予測にR（3.1.1）とARIMAモデルを使用しています。私が次のような時系列データを使用している場合、ts()関数で割り当てられる「頻度」パラメータはどうあるべきかを知りたい 分単位で区切られ、180日間に分散（1440分/日） 秒で区切られ、180日間（86,400秒/日）に広がります。 定義を正しく思い出せば、Rのtsでの「頻度」は、「季節」ごとの観測数です。 質問パート1： 私の場合の「季節」とは何ですか？ 季節が「日」の場合、分数の「頻度」は1440、秒数の86,400ですか。 質問パート2： 「頻度」は、達成/予測しようとしているものにも依存しますか？ たとえば、私の場合、非常に短期的な予測が必要です。毎回10分先に進みます。 季節を1日ではなく1時間と見なすことは可能でしょうか？ その場合、分数の頻度は60、秒の頻度は3600ですか？ たとえば、分データに頻度= 60を使用しようとしましたが、頻度= 1440と比較してより良い結果が得られました（使用されfourierているリンクはHyndmanによる下記のリンクを参照してください） http://robjhyndman.com/hyndsight/forecasting-weekly-data/ （予測は、予測精度の測定にMAPEを使用して行われました） 結果が完全に任意であり、頻度を変更できない場合。私のデータでfreq = 60を使用することの実際の解釈は何でしょうか？ また、私のデータには1時間ごとおよび2時間ごとの季節性が含まれていることに言及する価値があると思います（生データと自己相関関数を観察することにより）

28 r  time-series  arima  multiple-seasonalities  mape 

閉まっている。この質問はトピック外です。現在、回答を受け付けていません。 この質問を改善したいですか？ 質問を更新して、相互検証のトピックになるようにします。 2年前に閉店。 Pythonとscikit-learnを使用して予測の平均絶対パーセント誤差（MAPE）を計算するにはどうすればよいですか？ docsから、回帰のこれらの4つのメトリック関数のみがあります。 metrics.explained_variance_score（y_true、y_pred） metrics.mean_absolute_error（y_true、y_pred） metrics.mean_squared_error（y_true、y_pred） metrics.r2_score（y_true、y_pred）

24 predictive-models  python  scikit-learn  mape