Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Előrejelzési pontossági mérőszámok: MAPE, sMAPE és MASE kvíz
Hasonlítsa össze a százalékos és skálázott előrejelzési hibákat, kezelje a nulla tényleges adatokat, és értelmezze a metrikaértékeket egy naiv referenciaértékhez képest.
kérdés 1 -ból 8
A tényleges kereslet 100, az előrejelzés pedig 90. Mennyi az abszolút százalékos hiba a MAPE alatt?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- A tényleges kereslet 100, az előrejelzés pedig 90. Mennyi az abszolút százalékos hiba a MAPE alatt?
- 10%
- 90%
- 100%
- 0,1%
- Milyen probléma merül fel a MAPE esetében, ha a tényleges érték nulla?
- Az előrejelzésnek is nullának kell lennie
- Százalékos nevezője nulla
- A mérőszám valószínűséggé válik
- A hiba automatikusan tökéletesnek számít
- Mit jelez az egy alatti MASE szokásos definíciója szerint?
- A modell hibája egy célegység alatt van
- Minden teszt előrejelzés pontosabb, mint az alapvonal
- A teszt MAE értéke a kiválasztott, mintán belüli naiv MAE skála alatt van
- A modell nulla torzítással rendelkezik
- Miért kell a pontos sMAPE képletet megadni egy jelentésben?
- Automatikusan eltávolítja az előrejelzési torzítást
- Az sMAPE-nek csak egy univerzális nulla definíciója van
- A mérőszám mindig célegységben van kifejezve
- A megvalósítások különböző méretezési és nulla konvenciókat használnak
- Miért hangsúlyozhatja túl a MAPE a kis mennyiségű megfigyeléseket?
- Minden abszolút hibát eloszt a betanítás által beállított naiv hibaskálával
- A rögzített abszolút hiányosság nagyobb százalékossá válik, ha a tényleges érték kicsi
- Nagyobb százalékos súlyt ad a nagy volumenű megfigyeléseknek
- Átlagolja az előjeles százalékos hibákat, így a pozitív és negatív kihagyások megszűnnek
- A szezonális adatok esetében melyik MASE nevező lehet relevánsabb?
- Csak a tesztbeállított szórás
- A legnagyobb megfigyelt előrejelzési hiba
- Szezonális-naiv edzési hiba az egyezési időszakban
- A képzési átlag négyzetes hiba
- Ha a képzési naiv MAE nevező nulla, mi történik a MASE-val?
- Ez lesz az előrejelzések száma
- Mindig nulla
- Ez egyenlő a MAPE-vel
- Meghatározatlan alternatív konvenció nélkül
- Miért kell az előrejelzéseket azonos időablakok és eredet alapján értékelni?
- A modell-összehasonlításhoz használjon egyenértékű információkat és eseteket
- Hogy minden tényleges érték nullától eltérő legyen
- Az állóképesség garantálása érdekében
- Az alapvonal szükségességének kiküszöbölésére