पूर्वानुमान गुणवत्ता आकलन के तरीके

अक्सर कोई भी पूर्वानुमान लगाते समय, वे इसके परिणामों का मूल्यांकन करने के तरीकों के बारे में भूल जाते हैं। क्योंकि जैसा कि अक्सर होता है, पूर्वानुमान होता है, लेकिन इस तथ्य की कोई तुलना नहीं है। इससे भी अधिक त्रुटियां तब होती हैं जब दो (या अधिक) मॉडल होते हैं और यह हमेशा स्पष्ट नहीं होता है कि कौन सा बेहतर है, अधिक सटीक। एक नियम के रूप में, एक अंक (आर ² ) करना मुश्किल है। जैसे कि आपको बताया गया था कि यह लड़का नीली टी-शर्ट पहने हुए है । और तुरंत ही आपके बारे में सब कुछ स्पष्ट हो गया)



पूर्वानुमान विधियों पर लेखों में , परिणामस्वरूप मॉडल का मूल्यांकन करते समय, मैंने लगातार इस तरह के संक्षिप्तीकरण या संकेतन का उपयोग किया।

• आर ²
• एमएसई
• MAPE
• MAD
• पक्षपात

मैं यह समझने की कोशिश करूंगा कि मेरे मन में क्या था।

शेष राशि

तो, क्रम में। मुख्य मूल्य जिसके माध्यम से पूर्वानुमान सटीकता का अनुमान है वह अवशिष्ट (कभी-कभी: त्रुटियां, त्रुटि, ई) है। सामान्य शब्दों में, यह अनुमानित मूल्यों और स्रोत डेटा (या वास्तविक मूल्यों) के बीच का अंतर है। स्वाभाविक रूप से, अधिक अवशिष्ट, जितना अधिक हमने एक गलती की। तुलनात्मक गुणांकों की गणना करने के लिए, अवशिष्ट को रूपांतरित किया जाता है: या तो उन्हें मोडुलो या स्क्वेर लिया जाता है (तालिका, कॉलम 4,5,6 देखें )। कच्चे रूप में, उनका उपयोग लगभग कभी नहीं किया जाता है, क्योंकि नकारात्मक और सकारात्मक अवशेषों का योग कुल त्रुटि को शून्य तक कम कर सकता है। और यह मूर्खता है, आप समझते हैं।

गंभीर एमएसई और आर ²

जब हमें वक्र को अपने डेटा में समायोजित करने की आवश्यकता होती है, तो इस फिट की सटीकता का अर्थ चुकता त्रुटि (एमएसई) कार्यक्रम द्वारा किया जाएगा। इसकी गणना एक सीधा सूत्र द्वारा की जाती है



जहां n टिप्पणियों की संख्या है।



तदनुसार, प्रोग्राम, फिटिंग वक्र की गणना करते हुए, इस गुणांक को कम करने का प्रयास करता है। अंश में अवशेषों के वर्गों को इस कारण से ठीक से लिया जाता है कि पेशेवरों और विपक्षों को परस्पर नष्ट नहीं किया जाता है। एमएसई का भौतिक अर्थ नहीं है , लेकिन शून्य के करीब, बेहतर मॉडल।



दूसरी सार मात्रा R ^{2 है} - निर्धारण का गुणांक । यह स्रोत डेटा और पूर्वानुमानित लोगों के बीच समानता की डिग्री की विशेषता है। एमएसई के विपरीत, यह डेटा की इकाइयों पर निर्भर नहीं करता है, इसलिए इसकी तुलना की जा सकती है। गुणांक की गणना निम्न सूत्र द्वारा की जाती है:



जहाँ Var (Y) स्रोत डेटा का विचरण है।



बेशक, एक मॉडल चुनने के लिए दृढ़ संकल्प का गुणांक एक महत्वपूर्ण मानदंड है। और अगर मॉडल स्रोत डेटा के साथ अच्छी तरह से संबंध नहीं रखता है, तो उच्च भविष्य कहनेवाला शक्ति होने की संभावना नहीं है।

मॉडल की तुलना करने के लिए मैप और एमएडी

एमएसई और आर ² जैसे मॉडलों के मूल्यांकन के लिए सांख्यिकीय तरीके, दुर्भाग्य से, व्याख्या करना मुश्किल है, इसलिए उज्ज्वल दिमाग हल्के के साथ आए, लेकिन गुणांक की तुलना करना आसान है।



माध्य निरपेक्ष विचलन (MAD) को अवशिष्टों के योग के भागफल के रूप में परिभाषित किया जाता है। यही है, औसत शेष मोडुलो। क्या यह सुविधाजनक है? ऐसा लगता है हाँ, लेकिन ऐसा नहीं है। मेरे उदाहरण में, एमएडी = 43। पूर्ण इकाइयों में व्यक्त, एमएडी दिखाता है कि पूर्वानुमान औसत पर कितना त्रुटि करेगा।



एमएपीई को मॉडल को और अधिक दृश्य अर्थ देने के लिए डिज़ाइन किया गया है। अभिव्यक्ति को प्रतिशत पूर्ण त्रुटि ( एमएपीई ) के रूप में डिक्रिप्ट किया गया है ।



जहां Y मूल श्रृंखला का मूल्य है।



एमएपीई को प्रतिशत के रूप में व्यक्त किया जाता है, और मेरे मामले में इसका मतलब है कि मॉडल 16% की औसत त्रुटि कर सकता है। जो, आप देखते हैं, पूरी तरह से स्वीकार्य है।



अंत में, पूरी तरह से सिंथेटिक मात्रा पूर्वाग्रह है, या बस पूर्वाग्रह है । तथ्य यह है कि वास्तविक दुनिया में एक दिशा में विचलन अक्सर दूसरे की तुलना में बहुत अधिक दर्दनाक होते हैं। उदाहरण के लिए, सशर्त रूप से असीमित भंडारण सुविधाओं के साथ, पूर्वानुमानित मूल्यों से वास्तविक मांग में वृद्धि को ध्यान में रखना अधिक महत्वपूर्ण है। इसलिए, ऐसे मामले जहां अवशिष्ट सकारात्मक होते हैं, कुल टिप्पणियों की संख्या से संबंधित होते हैं। मेरे मामले में, 44% अनुमानित मूल्य आधार रेखा से नीचे थे। और आप इस पूर्वाग्रह को कम करने के लिए अन्य मूल्यांकन मानदंडों का त्याग कर सकते हैं।



आप इसमें खुद कोशिश कर सकते हैं एक्सेल और नंबर



यह जानना दिलचस्प है - आप अपने काम में उपयोग किए जाने वाले पूर्वानुमान की गुणवत्ता का आकलन करने के कौन से तरीके हैं?



ब्लॉग विवरण