衡量模型预测准确性的最常用指标之一是MAPE ，它代表平均绝对百分比误差。

MAPE的计算公式如下：

MAPE = (1/n) * Σ(|实际 – 预测| / |实际|) * 100

金子：

MAPE 之所以常用，是因为它易于解释和解释。例如，MAPE 值为 11.5% 表示预测值与实际值之间的平均差异为 11.5%。

MAPE 值越低，模型预测这些值的能力就越好。例如，MAPE 为 2% 的模型比 MAPE 为 10% 的模型更准确。

要在Excel中计算MAPE，我们可以执行以下步骤：

步骤1：在两个单独的列中输入实际值和预测值。

步骤 2：计算每行的绝对百分比误差。

回想一下，绝对百分比误差的计算方式如下：|实际预测| / |真实| * 100。我们将使用此公式来计算每行的绝对错误百分比。

D 列显示绝对误差百分比，E 列显示我们使用的公式：

我们将为每一行重复这个公式：

步骤 3：计算平均绝对百分比误差。

通过简单地找到 D 列中的值的平均值来计算 MAPE：

该模型的 MAPE 结果为6.47% 。

尽管 MAPE 易于计算和解释，但其使用存在一些潜在的缺点：

1.由于绝对百分比误差的计算公式为 |actual-forecast| / |真实|这意味着如果任何实际值为零，则不会设置它。

2. MAPE 不应用于低容量数据。例如，如果某个项目的实际需求为 2，预测为 1，则绝对百分比误差值为 |2-1| / |2| = 50%，这使得预测误差显得相当高，即使预测仅偏离 1 个单位。

衡量模型预测准确性的另一种常见方法是 MAD——平均绝对偏差。 在此处了解如何在 Excel 中计算 MAD。

MAPE 的良好价值是多少？如何在 Excel 中计算 SMAPE如何在 Excel 中计算 MAE

大家好，我是本杰明，一位退休的统计学教授，后来成为 Statorials 的热心教师。 凭借在统计领域的丰富经验和专业知识，我渴望分享我的知识，通过 Statorials 增强学生的能力。了解更多