Кадом меъёрҳо барои моделҳои силсилаи вақт истифода мешаванд?

Вақтзери сатрлар билан ишлайдиган моделларнинг сифатини баҳолаш учун, навбатдаги маълумотларнинг хусусиятларини ҳисобга олган махсус метрикалар қўлланилади. Уларнинг асосийлари:

• MAE (Ўрта Абсолют Хатолик) — прогнознинг ҳақиқий қийматлардан ўртача узилишини кўрсатади.
• MSE (Ўрта Қўшиқ Хатолик) — катта хатоларни қўшимча жазолайди.
• RMSE (Квадрат Тўғри Ўрта Хатолик) — MSEнинг тўғри қийматини қайтариб, маълумотлар билан бир хил бирликларда қайтарилади.
• MAPE (Ўрта Абсолют Фоиз Хатолик) — нисбатан аниқликни баҳолашда фойдали.
• SMAPE (Симметрик Ўрта Абсолют Фоиз Хатолик) — MAPEнинг симметрик версияси бўлиб, ҳам катта, ҳам кичик хатоларни ҳисобга олади.
• R² (Белгилаш коэффициенти) — модел қанчалик яхши маълумотлар ўзгаришларини тушунтиришини кўрсатади.

Метрikanинг танланиши вазифа ва маълумотлар хусусиятларига боғлиқ. Масалан, MAPE нолга яқин қийматлар билан ёмон ишлайди, RMSE эса чиқишларга сезгир.

Pythonда MAE ҳисоблаш мисоли:

import numpy as np

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

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