了解预测准确度MAPE，WMAPE，WAPE？

Question

我是预测空间的新手，我正在尝试了解不同的预测准确度指标。我指的是以下链接 https://www.otexts.org/fpp/2/5

任何人都可以帮我理解下面的内容： 1. MAPE：我试图理解MAPE的缺点“他们还有一个缺点，即他们对负面错误的处罚比对正面错误的处罚更重。”有谁能提供一个例子来详细解释这一点？ 而且，我假设WMAPE和WAPE是相同的。我在stackoverflow上看到了这篇文章，它们以不同的方式形成它们。 What's the gaps for the forecast error metrics: MAPE and WMAPE?

另外，您能帮我理解如何计算权重吗？我的理解是更重要的价值。但我不确定如何计算该值。 提前谢谢！

Answer 1

MAPE = 100 * mean（|（Actual-forecast）/ Actual |）

如果您查看网站https://robjhyndman.com/hyndsight/smape/并且给出的示例，您将注意到所采用的分母是不正确的预测（应该是实际值）。使用此公式，您可以看到MAPE不会对负面错误施加比对正面错误更严重的惩罚。

WMAPE应用的权重实际上可能偏向于会使指标更糟的错误。根据用例，WMAPE的权重据我所知。例如，您试图预测损失，但损失的百分比需要与销售量进行加权，因为巨额销售的损失需要更好的预测。

在要预测的值非常低的情况下，应使用MAD / Mean（a.k.a WAPE）。例如，如果销售在一个特定周（可能是假日）中为3个单位且预测值为9，那么MAPE将为200％。当您查看多周的数据时，这会使总MAPE膨胀。

下面给出的链接详细介绍了用于错误测量的其他一些统计数据 http://www.forecastpro.com/Trends/forecasting101August2011.html

Answer 2

我对其余部分不太确定，但最近我遇到了第一个问题的答案。 查看此网站 - http://robjhyndman.com/hyndsight/smape/

下面给出的例子 -

“阿姆斯特朗和科尔皮姆（1992）认为，MAPE”对预测超过实际的预测会比实际的预测更严重。“Makridakis（1993）接受了这样的论点，即”相同的错误高于实际值导致APE大于实际值以下的APE。他提供了一个例子，其中yt = 150且y ^ t = 100，因此相对误差为50/150 = 0.33，与yt =当相对误差为50/100 = 0.50时，100和y ^ t = 150。“

• y ^ t == y的估计值

Answer 3

WMAPE和MAPE是不同的措施。

MAPE是平均绝对百分比误差-这只是对百分比误差取平均值。

WMAPE是加权平均绝对百分比误差=这将按体积加权误差，因此更加严格和可靠。

负误差不影响计算，因为这都是绝对误差。这可能是由于使用分母引起的，这是一个单独的辩论。

您可以从我们的网站https://valuechainplanning.com/download/24下载详细的演示文稿。可以从https://valuechainplanning.com/upload/details/Forecast_Accuracy_Presentation.pdf下载PDF。