MAPE(Mean Absolute Percentage Error)平均絕對誤差百分比:是用來做銷量預測最常用的指標,在實際的線上線下銷量預測中有着非常重要的評估意義。但是在實際的項目過程中發現,有些時候的指標並不能非常好的表示模型擬合的效果,因此對這部分進行了深入分析,發現有更優化的評價指標來度量銷量預測問題。
MAPE公式如下:
, 分別爲真實值和預測值。
但是,這個指標存在兩個問題:
- 假如遇到除數爲0的情況,這個指標就沒法計算;
- 由於 可能存在數量級上的差別,導致相同的誤差 對最後的結果產生的影響存在數量級上的差別,這在某些實際應用場景下是存在問題的。例如一件賣了10件的商品預測值在5-15之間和賣了5000件的商品預測在4995-5005的貢獻的 是一樣的,但是百分比會差很多,顯然兩個預測的準確度差異巨大。
因此,WMAPE應運而生
WMAPE(Weighted Mean Absolute Percentage Error)加權平均絕對誤差百分比:
舉個具體的例子,有10個物品,分別的APE,MAPE和WMAPE分別爲:
- 推測出APE爲(Absolute Percentage Error),公式爲,APE = Abs Error / Actual
- Sum Actual = = sum(Actual1 + ... + Actual10) = 100 + 90 + 8 + 1000 + 1 + 90 + 10 + 11 + 50 + 76 = 1436
- Sum Abs Error = = sum(Abs Error1 + ... + Abs Error10) = 10 + 10 + 2 + 30 + 2 + 10 + 3 + 1 + 0 + 4 = 72
- MAPE = = = sum(APE1 + ... + APE10)/10 = (10.0% + 11.1% + 25.0% + 3.0% + 200% + 11.1% + 30.0% + 9.1% + 0.0% + 5.3%)/10 = 30.5%
- WMAPE = = Sum Abs Error / Sum Actual = 72/1436 = 5.0%
假如數據集中有一點變化,商品5實際上沒有銷售,那麼就會導致最後計算除數出現0,導致無法計算。
還是上面那個例子,假如商品5實際銷量由1變爲2,實際上是一個非常微小的抖動,但最後的MAPE抖動非常大,從30.5%到15.5%;但與此同時wMAPE卻比較穩定,從5%到4.9%,避免了除數過小導致的指標不合理波動。
由以上例子看出,銷量預測方面,還是儘量採用WMAPE更有說服力。