计算平均MAPE和MSE的有效方法R

我有一个真实的数据和预测的数据，我想计算整体MAPE和MSE。数据是时间序列，每列代表不同星期的数据。如下所示，我预测每个项目52周的每个值。什么是最好的总体计算R的错误。计算平均MAPE和MSE的有效方法R

real = matrix( 
    c("item1", "item2", "item3", "item4", .5, .7, 0.40, 0.6, 0.3, 0.29, 0.7, 0.09, 0.42, 0.032, 0.3, 0.37), 
    nrow=4, 
    ncol=4) 
colnames(real) <- c("item", "week1", "week2", "week3") 


predicted = matrix( 
    c("item1", "item2", "item3", "item4", .55, .67, 0.40, 0.69, 0.13, 0.9, 0.47, 0.19, 0.22, 0.033, 0.4, 0.37), 
    nrow=4, 
    ncol=4) 
colnames(predicted) <- c("item", "week1", "week2", "week3")

来源

2017-04-13 ro ko

你是如何得到预测值的？用于获得预测值的模型可能基于最小化预测误差的某些函数（通常为MSE）。因此，如果您计算预测值，则MSE和MAPE上的残差和一些度量已经在拟合模型的某处沿线进行了计算。你可以直接检索它们。

如果预测值碰巧被扔进你的腿上，你什么都没有做拟合模型，然后你计算MSE和MAPE按如下：

你每周只有一条记录为每个项目。因此，对于每个项目，每周只能计算一个预测误差。根据您的应用程序，您可以选择计算每个项目或每周的MSE和MAPE。

这是你的数据是什么样子：

real <- matrix( 
    c(.5, .7, 0.40, 0.6, 0.3, 0.29, 0.7, 0.09, 0.42, 0.032, 0.3, 0.37), 
    nrow = 4, ncol = 3) 
colnames(real) <- c("week1", "week2", "week3") 

predicted <- matrix( 
    c(.55, .67, 0.40, 0.69, 0.13, 0.9, 0.47, 0.19, 0.22, 0.033, 0.4, 0.37), 
    nrow = 4, ncol = 3) 
colnames(predicted) <- c("week1", "week2", "week3")

计算（百分比/平方）为错误的每个条目：

pred_error <- real - predicted 
pct_error  <- pred_error/real 
squared_error <- pred_error^2

计算MSE，MAPE：

# For per-item prediction errors 
apply(squared_error, MARGIN = 1, mean) # MSE 
apply(abs(pct_error), MARGIN = 1, mean) # MAPE 

# For per-week prediction errors 
apply(squared_error, MARGIN = 0, mean) # MSE 
apply(abs(pct_error), MARGIN = 0, mean) # MAPE

来源

2017-04-16 16:00:48

计算平均MAPE和MSE的有效方法R

回答

相关问题