0

我有一家公司的原始预测数据(12 个观察值)。除此之外,我有真正的 12 个观察结果。我只是想用真实数据计算公司当前方法的准确性,让他们知道 MSE、MAPE、MAD、MAE 等是什么。所以我不必自己计算预测,只需使用这两个数据集即可。在这种情况下,我无法理解如何使用该accuracy()功能。我可以将预测数据集转换为时间序列值,但仍然不断出错。

有人知道如何帮助我吗?

> Forecast_data
1    8237
2    13438
3    10026
4    9651
5    11043
6    8500
7    10126
8    11560
9    11175
10   9103
11   14456
12   10308

> Real data
1   16507
2   14637
3   15210
4   17818
5   17606
6   13396
7   11603
8   11094
9   14087
10  14304
11  17887
12  14116
4

1 回答 1

0

暂时看一下第一个“日期”(1)。实际/观察值是a[1]=16507,预测/估计是f[1]=8237。

所以误差/偏差是 e[1]=f[1]-a[1]=8237-16507=-8270 (你低估了)和百分比 p[1]=e[1]/a [1]=- 8270/16507=-.501=-50.1%(你低估了 50%)。

对所有日期执行此操作,您将在值 e[i] 和百分比 p[i] 中得到一列错误。

  • MSE(均方误差)是 e[i]^2 的平均值。
  • MAD(平均绝对导数)是 abs(e[i]) 的平均值。
  • MAE(平均绝对误差)是 abs(e[i]) 的平均值(相同)。
  • MASP(平均绝对百分比误差)是 abs(p[i]) 的平均值。
于 2018-06-20T17:05:57.443 回答