Zaman serisi modelləri üçün hansı metriklər istifadə olunur?

Zaman seriyaları ilə işləyən modellərin keyfiyyətini qiymətləndirmək üçün, ardıcıl məlumatların xüsusiyyətlərini nəzərə alan xüsusi metriklər istifadə olunur. Əsasları:

• MAE (Orta Absolut Xəta) — proqnozun real dəyərlərdən orta sapmasını göstərir.
• MSE (Orta Kvadrat Xəta) — böyük səhvləri daha çox cəzalandırır.
• RMSE (Kvadrat Köklü Orta Xəta) — MSE-nin kvadrat kökü olub, xətanı məlumatlarla eyni vahidlərdə qaytarır.
• MAPE (Orta Absolut Faiz Xəta) — nisbi dəqiqliyi qiymətləndirmək üçün əlverişlidir.
• SMAPE (Simmetrik Orta Absolut Faiz Xəta) — MAPE-nin simmetrik versiyasıdır, həm böyük, həm də kiçik səhvləri nəzərə alır.
• R² (Determinasiya Koefisienti) — modelin məlumatların varyasiyasını nə dərəcədə izah etdiyini göstərir.

Metriyanın seçimi vəzifə və məlumatların xüsusiyyətlərindən asılıdır. Məsələn, MAPE sıfıra yaxın dəyərlərlə pis işləyir, RMSE isə çıxışlara həssasdır.

Python-də MAE hesablaması nümunəsi:

import numpy as np

def mae(y_true, y_pred):
    return np.mean(np.abs(y_true - y_pred))

# Nümunə
actual = np.array([100, 200, 300])
predicted = np.array([110, 190, 310])
print(mae(actual, predicted))  # 10.0 göstərəcək