El error porcentual absoluto medio simétrico (SMAPE) se utiliza para medir la precisión predictiva de los modelos. Se calcula como:
SMAPE = (1 / n) * Σ (| pronóstico – real | / ((| real | + | pronóstico |) / 2) * 100
dónde:
- Σ – un símbolo que significa «suma»
- n – tamaño de la muestra
- actual : el valor de los datos reales
- pronóstico : el valor de datos pronosticado
Este tutorial explica cómo calcular SMAPE en Python.
Cómo calcular SMAPE en Python
No hay una función de Python incorporada para calcular SMAPE, pero podemos crear una función simple para hacerlo:
importar numpy como np
def smape ( a , f ):
return 1 / len (a) * np. suma (2 * np. abs (fa) / (np. abs (a) + np. abs (f)) * 100)
Luego, podemos usar esta función para calcular el SMAPE para dos matrices: una que contiene los valores de datos reales y otra que contiene los valores de datos pronosticados.
#definir matrices de valores de datos reales y pronosticados actual = np.array ([12, 13, 14, 15, 15,22, 27]) pronóstico = np.array ([11, 13, 14, 14, 15, 16, 18]) #calcular SMAPE smape (real, pronóstico) 12.45302
A partir de los resultados, podemos ver que el error porcentual absoluto medio simétrico para este modelo es 12,45302% .
Recursos adicionales
Entrada de Wikipedia para SMAPE
Los pensamientos de Rob J. Hyndman sobre SMAPE
Cómo calcular MAPE en Python
Cómo calcular MAPE en R
Cómo calcular MAPE en Excel
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/