Оценка точности прогнозирования временных рядов

ОЦЕНКА ТОЧНОСТИ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ

В настоящее время самыми популярными критериями являются оценки ошибки прогнозирования MAE и MAPE

Вводятся следующие обозначения:

  • N – число выполненных прогнозов;
  • Y(t) – фактическое значение заданной функции в момент времени t;
  • Y'(t) – прогнозируемое значение заданной функции в момент времени t.

MAPE – средняя абсолютная ошибка прогнозирования (в процентах):

mape
где MAE – средняя ошибка прогнозирования:
mae_1
Кроме указанных MAPE и MAE может использоваться ряд таких оценок, как:

  • MSE – среднеквадратичная ошибка:
    mae_2
  • RMSE – квадратный корень из среднеквадратичной ошибки:
    rmse
  • ME – средняя ошибка:
    me
  • SD – стандартное отклонение:
    sd

Так как точность прямо пропорциональна ошибке, то, точность прогноза в процентах вычисляется, как – 100% — MAPE;
Абсолютную точности прогноза оценивать не принято, т.к. для каждой конкретной задачи она может кардинально отличаться. Поэтому оценивают именно ошибку прогноза. Далее в статьях под ошибкой прогноза будет подразумеваться MAPE.

Автор: Чернядьев Леонид Валерьевич

Facebook Comments

Леонид Чернядьев

Увлекаюсь программированием, интернет маркетингом, прогнозированием, дизайном и версткой. Принимаю заказы на лидогенерацию. Связь через - https://www.facebook.com/lenid.chernyadyev