计算已经存在的预测的准确性

Question

我有一家公司的原始预测数据（12个观察值）。除此之外，我还有REAL 12观测值。我只想用实际数据计算公司当前方法的准确性，并让他们知道MSE，MAPE，MAD，MAE等。因此，我不必自己计算预测，而只需使用这两个数据集。在这种情况下，我无法理解如何使用accuracy()函数。我可以将预测数据集转换为时间序列值，但仍然会出现错误。

有人知道如何帮助我吗？

> Forecast_data
1    8237
2    13438
3    10026
4    9651
5    11043
6    8500
7    10126
8    11560
9    11175
10   9103
11   14456
12   10308

> Real data
1   16507
2   14637
3   15210
4   17818
5   17606
6   13396
7   11603
8   11094
9   14087
10  14304
11  17887
12  14116

Answer 1

暂时查看第一个“日期”（1）。实际/观察值是a [1] = 16507，预测/估计值是f [1] = 8237。

因此，误差/偏差为e [1] = f [1] -a [1] = 8237-16507 = -8270（您低估了），并以百分比p [1] = e [1] / a [1] ] =-8270/16507 =-。501 = -50.1％（您低估了50％）。

对所有日期执行此操作，您将在e [i]值和p [i]百分比中看到一列错误。

• MSE（均方误差）是e [i] ^ 2的平均值。
• MAD（平均绝对微分）是abs（e [i]）的平均值。
• MAE（平均绝对误差）是abs（e [i]）（相同）的平均值。
• MASP（平均绝对百分比误差）是abs（p [i]）的平均值。