Lesson 0.1 · Ошибки прогноза / Forecast Errors

Lesson 0.1 · Ошибки прогноза (MAPE · MAE · RMSE)

Зачем нужны метрики ошибок

MAPE: понятно бизнесу (%) MAE: стабилен при нулях RMSE: штрафует большие ошибки

MAPE — ошибка в процентах

MAPE = (100 / n) × Σ | (Факт − Прогноз) / Факт |

MAPE = «средний промах в процентах»

MAE — ошибка в единицах данных

MAE = (1 / n) × Σ | Факт − Прогноз |

RMSE — штраф за крупные промахи

RMSE = √ ( (1 / n) × Σ (Факт − Прогноз)2 )

Выбор метрики — коротко

Калькулятор: посчитать MAPE, MAE, RMSE

MAPE: MAE: RMSE:

Миф

Lesson 0.1 · Ошибки прогноза / Forecast Errors

Lesson 0.1 · Ошибки прогноза (MAPE · MAE · RMSE)

Зачем нужны метрики ошибок

MAPE: понятно бизнесу (%) MAE: стабилен при нулях RMSE: штрафует большие ошибки

MAPE — ошибка в процентах

MAPE = (100 / n) × Σ | (Факт − Прогноз) / Факт |

MAPE = «средний промах в процентах»

MAE — ошибка в единицах данных

MAE = (1 / n) × Σ | Факт − Прогноз |

RMSE — штраф за крупные промахи

RMSE = √ ( (1 / n) × Σ (Факт − Прогноз)2 )

Выбор метрики — коротко

Калькулятор: MAPE, MAE, RMSE

MAPE: MAE: RMSE:

Ошибки на реальных данных (из GitHub)

Выберите пару и модель — ниже отобразятся метрики на holdout и график.

Миф

Made on
Tilda