Frage:
Der Unterschied zwischen MSE und MAPE
rendra
2011-06-06 21:24:11 UTC
view on stackexchange narkive permalink

Ich habe mich gefragt, was die Unterschiede zwischen dem mittleren quadratischen Fehler (MSE) und dem mittleren absoluten prozentualen Fehler (MAPE) bei der Bestimmung der Genauigkeit einer Prognose sind. Welches ist besser? Danke

Einer ist kein Prozentsatz, der andere ist ein Prozentsatz ... es hängt davon ab, wie Sie Ihre Prognosen bewerten möchten.
Eigentlich gab Zach eine kurze Antwort, ich bevorzuge Theil-Zerlegung und MAPE für die Genauigkeit von Punktvorhersagen. Prozent sind viel einfacher zu interpretieren. Sie können für diese Optionen die Funktion "Genauigkeit ()" in R verwenden. Betrachten Sie auch MASE als eine nette Alternative ... erweitern Sie wahrscheinlich meine kurze Bemerkung auf eine vollständige Antwort letzterer :)
Zwei antworten:
#1
+18
Rob Hyndman
2011-06-07 06:30:10 UTC
view on stackexchange narkive permalink

MSE ist skalierungsabhängig, MAPE nicht. Wenn Sie also die Genauigkeit über Zeitreihen hinweg mit verschiedenen Maßstäben vergleichen, können Sie MSE nicht verwenden.

Für geschäftliche Zwecke wird MAPE häufig bevorzugt, da Manager Prozentsätze anscheinend besser verstehen als quadratische Fehler.

MAPE kann nicht verwendet werden, wenn Prozentsätze keinen Sinn ergeben. Zum Beispiel haben die Temperaturskalen Fahrenheit und Celsius relativ willkürliche Nullpunkte, und es macht keinen Sinn, über Prozentsätze zu sprechen. MAPE kann auch nicht verwendet werden, wenn die Zeitreihen Nullwerte annehmen können.

MASE soll sowohl unabhängig von der Skalierung als auch auf allen Skalen verwendbar sein.

Wie @Dmitrij sagte, ist die Genauigkeit () im Paket Prognose für R ist eine einfache Möglichkeit, diese und andere Genauigkeitsmaße zu berechnen.

Die Prognosegenauigkeit bietet noch viel mehr Maßnahmen in meinem 2006 IJF-Papier mit Anne Koehler.

+1 für den Artikel, es ist ein wirklich großartiger Artikel, IMHO :)
Ich habe gerade die Tag-Wikis für [tag: mse], [tag: mape] und [tag: mase] bearbeitet.Hoffe, dass diese bald genehmigt werden - dann hoffe ich, dass sie weitere Informationen zu den Unterschieden liefern.
#2
-1
soomro ramzan
2017-03-24 22:36:03 UTC
view on stackexchange narkive permalink

beim Vergleichen von Prognosewerten und Messen des Best-Fit-Modells mit verschiedenen Methoden Wir können MSE, MAPE und RMSE verwenden.Welche Methode mindestens eine hat, ist ein besseres Modell.



Diese Fragen und Antworten wurden automatisch aus der englischen Sprache übersetzt.Der ursprüngliche Inhalt ist auf stackexchange verfügbar. Wir danken ihm für die cc by-sa 3.0-Lizenz, unter der er vertrieben wird.
Loading...