เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณ MAPE และ MAE

ก่อนหน้านี้ได้คำนวณค่าพยากรณ์ยอดขายรวมของเขตมหานครและจัดเก็บไว้ในอ็อบเจกต์ forecast_MET_t พร้อมทั้งมีชุดข้อมูล validation เก็บอยู่ในอ็อบเจกต์ MET_t_valid ซึ่งครอบคลุม 22 สัปดาห์แรกของปี 2017 เช่นเดียวกัน มาดูกันว่าค่าพยากรณ์ที่ได้แม่นยำแค่ไหน!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพยากรณ์ความต้องการสินค้าใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แปลงค่าเฉลี่ยของค่าพยากรณ์ (forecast_MET_t$mean) และชุดข้อมูล validation (MET_t_valid) ให้เป็นค่าตัวเลข แล้วบันทึกเป็น for_MET_t และ v_MET_t ตามลำดับ
  • คำนวณ MAE ของค่าพยากรณ์ ซึ่งคือค่าเฉลี่ยของค่าสัมบูรณ์ของผลต่างระหว่างค่าพยากรณ์กับค่าจริงในชุดข้อมูล validation
  • คำนวณ MAPE ของค่าพยากรณ์ โดยใช้ผลต่างเดียวกับ MAE แต่หารด้วยค่าจริงในชุดข้อมูล validation
  • แสดงผลทั้ง MAE และ MAPE

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Convert to numeric for ease
for_MET_t <- as.numeric(___)
v_MET_t <- as.numeric(___)

# Calculate the MAE
MAE <- mean(abs(___ - ___))

# Calculate the MAPE
MAPE <- 100*mean(abs((for_MET_t - v_MET_t)/___))

# Print to see how good your forecast is!
print(MAE)
print(MAPE)
แก้ไขและรันโค้ด