Fő értékeli pontosságáért idősor előrejelzés, matematikai Iroda

Értékelési hiba idősorok előrejelzési

Munka tudományos publikációk, szembe a különböző mutatók hiba idősorok előrejelzést. Között fellépő becslési hiba becslése érdemes megjegyezni, két, amelyek jelenleg a legnépszerűbb: MAE és MAPE. Hagyja, hogy a hiba a különbség:
,
ahol Z (t) - a tényleges érték az idő sorozat, és - az előrejelzések.
Ezután a képlet becslésére idősorait az N jelenti a predikciós hiba felírható a következőképpen.

MAPE - átlagos abszolút hiba százalékban

.

Ha a tényleges értéke az idősor közel 0, akkor a nevező lesz egy nagyon kis számú, amely biztosítja, hogy az érték a MAPE közel végtelenbe - nem teljesen helyes. Például, a tényleges ár a PCB = 0,01 rubel / MWh, a prediktív = 10 rubel / MWh, míg MAPE = (0,01-10) /0.01 = 999%, de a valóságban nem vagyunk annyira rossz, csak 10 rubel / MWh. Sorozathoz, amely közel nullára, a következő becslés a becslési hiba.

MAE - átlagos abszolút hiba

.

Az ár becslési hiba értékelése PCB és LED BR helyes a MAE.

8500). Erre a predikciós érték MAPE = 1,5%. » Ugyanakkor, nézi a cikket, lehetőség van, hogy meghatározzák általános benyomás ereje predikciós hibát, amely MAPE általában mozog 1-5%; vagy hibák a villamos energia árának előrejelző MAPE ami mozog 5-15% időszaktól függően és a piac. MAPE kapott ár-érték saját előrejelzése, akkor tudja becsülni, hogy nagy kapsz megjósolni.

MSE - átlagos négyzetes hiba

.

RMSE - négyzetgyöke az átlagos négyzetes hiba

.

ME - az átlagos hiba

.

SD - standard deviáció

, ahol Me - átlagos hibát képlet határozza meg a fenti.

Kommunikációs pontosság és becslési hiba

A pontosság a jóslat a koncepció ellentétes hiba előrejelzést. Ha a predikciós hiba nagy, a pontosság alacsony, és fordítva, ha a predikciós hiba kicsi, a pontosság magas. Lényegében pontszám MAPE előrejelzés hibája az inverz értéke a becslés pontosságát - a kapcsolat egyszerű.

Előrejelzés pontossága% = 100% - MAPE

Az érték a MAPE kvantitatív becslés hiba. és ez az érték világos számunkra, és azt mondja, a pontosság, a becslés alapján a fenti egyszerű képlet. Így becslése a hiba, mindig értékelik a pontosságát előrejelzést.

Arról, hogy milyen! Érdekes történet ki!

Itt természetesen szabványos ráta nem konzultál. Ha több helyhez kötött (azaz az átlagos értéke nem változott jelentősen), majd számítsa ki az átlagos tényleges érték néhány korábbi időszakban. És számítsuk ki az átlagos várható érték. És hasonlítsa össze őket (itt és% lehet beszerezni). Természetesen helyes, hogy hívja ezt az értékelése lehetetlen, de legalábbis egyes becslések.

És hogyan van az, hogy jött ki, hogy az előrejelzés, és az a tény, nem, nem. Hogy előrejelző modell működik?

Azt jelenti, hogy az előrejelzés metszeti felekezetek és vevők, és kiderül, egy csomó különböző előrejelzések, hanem különböző algoritmusok. Be kell, hogy értékelje az egyes algoritmus. Kiderült, ki kell számítani egy pontszámot minden egyes szakasz értékeli egy általános prognózisa? Nem lenne általam kifejlesztett meleg puha? És ha tényező, hogy fontolja minden vágott, akkor hogyan kell kiszámítani a teljes pontossága az előrejelzés?

Ahhoz, hogy a válasz a kérdésre egyszerűbb. Vannak 2 ügyfelek és a 3. par. Aztán, hogy egy előrejelzést algoritmus 6 A, 6 előrejelzések algoritmus B.

Kiderült, hogy minden ügyfél és minden felekezet-előrejelzés Az előrejelzés és a B és a tény.

Akkor értékelni, hogy milyen kényelmes: Egy előzetes MAPE Mape előrejelzése B, MAPE mindkét előrejelzések MAPE címlet és az ügyfelek. És mindez halom elemzést. Összességében pontossága attól függ, hogy mit szeretne általánosítani (mit jelent a gyakori). Ön feladata egyszerű, nem bonyolítja, ha csak annyi, hogy minden következetes.