Калькулятор средней абсолютной процентной ошибки (MAPE)

Калькулятор средней абсолютной процентной ошибки (MAPE)

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

MAPE=100%n∑i=1n|Фактi−ПрогнозiФактi|\text{MAPE} = \frac{100\%}{n} \sum_{i=1}^{n} \left| \frac{{{\text{Факт}_i}} - {{\text{Прогноз}_i}}}{{{\text{Факт}_i}}} \right|
Статистика использования

Реклама

Результаты

Средняя абсолютная процентная ошибка
7,22%
чем меньше, тем лучше
Точность прогноза 92,78%
Использовано точек данных 3

Сообщить об ошибке на этой странице

Что такое MAPE?

Средняя абсолютная процентная ошибка (MAPE, Mean Absolute Percentage Error) — одна из самых популярных метрик для оценки точности прогнозов. Она показывает среднее отклонение прогноза от фактических данных в процентах, поэтому её легко интерпретировать и сравнивать между наборами данных разного масштаба. Значение MAPE, равное 5%, означает, что в среднем ваши прогнозы отклоняются от реальной величины на 5%.

Линейный график, сравнивающий фактические и прогнозные значения; вертикальные отрезки показывают ошибки
MAPE показывает, насколько в среднем, в процентах, прогнозные значения отклоняются от фактических.

Как пользоваться калькулятором

Введите фактические (наблюдаемые) значения и прогнозные (предсказанные) значения в виде двух списков через запятую. Списки должны быть согласованы: первое фактическое значение соответствует первому прогнозному и так далее. Калькулятор разбивает данные на пары, вычисляет абсолютную процентную ошибку для каждой пары и усредняет результат. Пары, в которых фактическое значение равно нулю, пропускаются, поскольку при делении на ноль процентная ошибка не определена.

Разбор формулы

Для каждой точки данных MAPE берёт абсолютную разницу между фактическим значением \(y_i\) и прогнозом \(\hat{y}_i\), делит её на фактическое значение и переводит в проценты. Полученные процентные ошибки суммируются и делятся на количество точек \(n\):

$$\text{MAPE} = \frac{100\%}{n} \sum_{i=1}^{n} \left| \frac{\text{Actual}_i - \text{Forecast}_i}{\text{Actual}_i} \right|$$

Реклама
Схема, раскладывающая формулу MAPE на процентные ошибки по точкам с последующим усреднением
Для каждой точки вычисляется абсолютная процентная ошибка, после чего все ошибки усредняются.

Пример расчёта

Допустим, фактические значения — 100, 200, 300, а прогнозы — 110, 190, 320. Процентные ошибки составят: \(|100-110|/100 = 0{,}10\), \(|200-190|/200 = 0{,}05\) и \(|300-320|/300 \approx 0{,}0667\). Их сумма равна \(0{,}21667\); делим на 3 и умножаем на 100 — получаем MAPE ≈ 7,22%, то есть точность прогноза около 92,78%.

Частые вопросы

Какое значение MAPE считается хорошим? Это зависит от сферы применения, но показатель ниже 10% обычно считается очень высокой точностью, а 10–20% — хорошим результатом для многих бизнес-прогнозов.

Почему пропускаются нулевые фактические значения? Деление на ноль не определено, поэтому MAPE для таких точек рассчитать нельзя. Если в данных встречаются нули, рассмотрите метрику sMAPE.

Важен ли порядок значений? Да — фактические и прогнозные значения сопоставляются по позиции, поэтому следите за тем, чтобы оба списка были согласованы.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика