Simetrik MAPE (sMAPE)
Symmetric Mean Absolute Percentage Error · Ayrıca şöyle bilinir: sMAPE, SMAPE, symmetric MAPE
Simetrik Ortalama Mutlak Yüzde Hata (sMAPE), MAPE'nin, payda olarak gerçek ve tahmin edilen değerlerin ortalamasını kullanarak asimetrisini ele alan bir iyileştirmesidir. J. Scott Armstrong tarafından önerilen ve Makridakis (1993) ile Hyndman & Koehler (2006) tarafından geliştirilen sMAPE, aşırı ve eksik tahminleri simetrik olarak ele alır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Ölçekten bağımsız ve tahmin hatalarının simetrik muamelesini isteyen bir metrik istediğinizde sMAPE kullanın. Özellikle aşırı ve eksik tahminlerin eşit maliyete sahip olduğu bağlamlarda (örneğin, envanter dengeleme, kaynak tahsisi) değerlidir. MAPE gibi, sMAPE de hem gerçek hem de tahmin edilen değerler sıfıra yakın olduğunda tanımsız veya kötü davranışlıdır, bu nedenle aralıklı veya sıfır ağırlıklı verilerle kullanmaktan kaçının.
Güçlü yönler & sınırlılıklar
- Ölçekten bağımsız ve simetrik, MAPE asimetrisinden kaçınır
- Aşırı ve eksik tahminleri eşit şekilde cezalandırır
- Yüzde olarak yorumlanabilir
- MAPE'den daha iyi istatistiksel özellikler
- Hala hem gerçek hem de tahmin edilen değerler sıfıra yakınken tanımsız veya kötü davranışlıdır
- Gerçek ve tahmin edilen değerler her ikisi de küçük olduğunda payda sıfıra yaklaşır, bu da kararsızlığa neden olur
- Standart MAPE'den uygulayıcılar için daha az yorumlanabilir
- Yalnızca belirli koşullar altında %0-100 ile sınırlıdır
SSS
sMAPE, MAPE'den nasıl farklıdır?
MAPE hatayı gerçek değere böler; sMAPE gerçek ve tahmin edilen değerlerin ortalamasına böler. Bu, MAPE asimetrikken sMAPE'yi simetrik (aşırı ve eksik tahminlerin eşit muamelesi) hale getirir. Modelleri farklı şekilde sıralayabilirler.
sMAPE ne zaman başarısız olur?
Hem gerçek hem de tahmin edilen değerler sıfıra yakın olduğunda, payda küçülür ve metriğin kararsız veya tanımsız olmasına neden olur. Örneğin, gerçek = 0,1 ve tahmin edilen = 0,2 ise, sMAPE = %67 olur, bu da gerçek hata büyüklüğünü yansıtmayabilir.
sMAPE neden %0-100 ile sınırlıdır?
sMAPE yalnızca hem gerçek hem de tahmin edilen değerler pozitif olduğunda kesin olarak %0-100 ile sınırlıdır. Karışık işaretler veya sıfırlar ile, bazı formülasyonlarda %100'ü aşabilir. Belirli uygulamanızı kontrol edin.
sMAPE, MAPE'den daha iyi midir?
Evrensel olarak değil. sMAPE, MAPE'nin asimetrisini ele alır ancak sıfır veya sıfıra yakın değerlerle yeni kararsızlık sorunları getirir. Veri özelliklerinize ve maliyet yapınıza göre seçim yapın: yönsel yanlılık için MAPE, simetri için sMAPE.
sMAPE'yi kayıp fonksiyonu olarak kullanabilir miyim?
Teknik olarak evet, ancak sıfır payda yakınında pürüzsüz değildir, bu da optimizasyonu zorlaştırır. Pratikte, MAE, RMSE veya MASE gibi diğer metrikler kayıp fonksiyonları için daha uygundur.
Kaynaklar
- Armstrong, J. S. (1985). Long-range forecasting: from crystal ball to computer (2nd ed.). New York: John Wiley & Sons. ISBN: 978-0471082010
- Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679-688. DOI: 10.1016/j.ijforecast.2006.03.001 ↗
- Makridakis, S. (1993). Accuracy measures for a robust comparison of forecasting methods. International Journal of Forecasting, 9(4), 679-688. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Symmetric Mean Absolute Percentage Error. ScholarGate. https://scholargate.app/tr/model-evaluation/symmetric-mape
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Mutlak Hata Ortalaması (MHO)Model değerlendirme↔ karşılaştır
- Mutlak Yüzde Hatası Ortalaması (MAPE)Model değerlendirme↔ karşılaştır
- Ortalama Mutlak Ölçeklenmiş Hata (MASE)Model değerlendirme↔ karşılaştır
- Ortalama Karekök Hata (RMSE)Model değerlendirme↔ karşılaştır