Если в задаче прогнозирования временного ряда в таргете встречаются нули или низкие значения — какую метрику качества лучше использовать: MAPE, SMAPE или WAPE?

При наличии в таргете нулевых или очень низких значений использование метрики MAPE (Mean Absolute Percentage Error) проблематично, так как она делит ошибку на фактическое значение, и при нуле возникает деление на ноль.

SMAPE (Symmetric MAPE) и WAPE (Weighted Absolute Percentage Error) лучше подходят в таких случаях:

• SMAPE учитывает сумму абсолютных значений прогноза и факта в знаменателе, что снижает влияние нулей, но при очень маленьких значениях всё равно может быть нестабильной.
• WAPE вычисляет сумму абсолютных ошибок, делённую на сумму фактических значений, что более устойчиво к нулям и низким значениям.

Таким образом, если в данных есть нули или близкие к нулю значения, предпочтительнее использовать WAPE, так как она более стабильна и не даёт бесконечных или неопределённых значений.