Vaqt qatorlari modellari uchun qanday o'lchovlar ishlatiladi?

Vaqt ketma-ketliklari bilan ishlaydigan modellar sifatini baholash uchun, ketma-ket ma'lumotlarning xususiyatlarini hisobga oladigan maxsus metriklar qo'llaniladi. Ularning asosiylari:

• MAE (O'rtacha Absolyut Xato) — prognozning haqiqiy qiymatlardan o'rtacha chetlanishini ko'rsatadi.
• MSE (O'rtacha Kvadrat Xato) — katta xatolarni kuchliroq jazolaydi.
• RMSE (Kvadrat O'rtacha Xatoning Kvadrat ildizi) — MSE ning kvadrat ildizi bo'lib, xatoni ma'lumotlar bilan bir xil birlikda qaytaradi.
• MAPE (O'rtacha Absolyut Foiz Xato) — nisbiy aniqlikni baholash uchun qulay.
• SMAPE (Simmetrik O'rtacha Absolyut Foiz Xato) — MAPE ning simmetrik versiyasi bo'lib, katta va kichik xatolarni hisobga oladi.
• R² (Determinatsiya koeffitsienti) — model ma'lumotlarning o'zgarishini qanchalik yaxshi tushuntirayotganini ko'rsatadi.

Metriyaning tanlovi vazifa va ma'lumotlarning xususiyatlariga bog'liq. Masalan, MAPE nolga yaqin qiymatlar bilan yomon ishlaydi, RMSE esa chiqarishlarga sezgir.

Python'da MAE hisoblash misoli:

import numpy as np

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

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