Wie erhalten Sie die vorhergesagten Werte an erster Stelle? Das Modell, das Sie verwenden, um die vorhergesagten Werte zu erhalten, basiert wahrscheinlich auf der Minimierung einiger Funktionen von Vorhersagefehlern (normalerweise MSE). Wenn Sie daher Ihre vorhergesagten Werte berechnen, wurden die Residuen und einige Metriken für MSE und MAPE irgendwo entlang der Linie bei der Anpassung des Modells berechnet. Sie können sie wahrscheinlich direkt abrufen.
Wenn die vorhergesagten Werte zufällig in den Schoß geworfen werden, und Sie haben nichts mit der Montage des Modells zu tun, dann berechnen Sie MSE und MAPE nach unten:
Sie haben nur einen Datensatz pro Woche für jeden Artikel . Für jeden Artikel können Sie also nur einen Vorhersagefehler pro Woche berechnen. Abhängig von Ihrer Anwendung können Sie die MSE und MAPE pro Artikel oder pro Woche berechnen.
Dies ist, was Ihre Daten wie folgt aussieht:
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")
Berechnen Sie den (percentage/Quadrat) Fehler für jeden Eintrag:
pred_error <- real - predicted
pct_error <- pred_error/real
squared_error <- pred_error^2
berechnen 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