Cómo calcular MAPE en R

Una de las métricas más comunes que se utilizan para medir la precisión del pronóstico de un modelo es MAPE , que significa error porcentual absoluto medio .

La fórmula para calcular MAPE es la siguiente:

MAPE = (1 / n) * Σ (| real – pronóstico | / | real |) * 100

dónde:

  • Σ – un símbolo elegante que significa «suma»
  • n – tamaño de la muestra
  • actual : el valor de los datos reales
  • pronóstico : el valor de datos pronosticado

MAPE se usa comúnmente porque es fácil de interpretar y explicar. Por ejemplo, un valor MAPE del 6% significa que la diferencia promedio entre el valor pronosticado y el valor real es del 6%.

Este tutorial proporciona dos métodos diferentes que puede utilizar para calcular MAPE en R.

Método 1: escriba su propia función

Supongamos que tenemos un conjunto de datos con una columna que contiene los valores de datos reales y una columna que contiene los valores de datos pronosticados:

#create conjunto de datos
data <- data.frame (actual = c (34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24),
                   pronóstico = c (37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23))

#ver conjunto de datos
datos

   pronóstico real
1 34 37
2 37 40
3 44 46
4 47 44
5 48 46
6 48 50
7 46 45
8 43 44
9 32 34
10 27 30
11 26 22
12 24 23

Para calcular el MAPE, podemos usar la siguiente función:

#calcular MAPE
mean (abs ((datos $ datos reales $ previsión) / datos $ reales)) * 100

[1] 6.467108

El MAPE para este modelo resulta ser 6.467% . Es decir, la diferencia absoluta promedio entre el valor pronosticado y el valor real es 6.467%.

Método 2: usar un paquete

También podríamos calcular MAPE para el mismo conjunto de datos usando la función MAPE () del paquete MLmetrics , que usa la siguiente sintaxis:

MAPE (y_pred, y_true)

dónde:

  • y_pred: valores predichos
  • y_true: valores reales

Aquí está la sintaxis que usaríamos en nuestro ejemplo:

#cargar paquete MLmetrics
biblioteca (MLmetrics)

#calcular MAPE
MAPE (datos $ pronóstico, datos $ reales)

[1] 0.06467108

Esto produce el mismo valor MAPE de 6.467% que calculamos usando el método anterior.

  • https://r-project.org
  • https://www.python.org/
  • https://www.stata.com/

Deja un comentario

La similitud de coseno es una medida de la similitud entre dos vectores de un espacio de producto interno. Para…
statologos comunidad-2

Compartimos información EXCLUSIVA y GRATUITA solo para suscriptores (cursos privados, programas, consejos y mucho más)

You have Successfully Subscribed!