फोरकास्टिंग

R में प्रोडक्ट डिमांड फोरकास्टिंग

Aric LaBarr, Ph.D.

Senior Data Scientist, Elder Research

फोरकास्टिंग

अधिकांश टाइम सीरीज़ मॉडलों का लक्ष्य!
भविष्यवाणी के लिए मॉडल पिछले मानों या "shocks" का उपयोग करते हैं
पैटर्न पहचानें, फिर उसे दोहराएँ

फोरकास्टिंग

फोरकास्टिंग उदाहरण

forecast_M_t <- forecast(M_t_model, h = 22)

for_dates <- seq(as.Date("2017-01-01"), length = 22, 
                                        by = "weeks")
for_M_t_xts <- xts(forecast_M_t$mean, order.by = for_dates)

plot(M_t_valid, main = 'Forecast Comparison')
lines(for_M_t_xts, col = "blue")

फोरकास्ट का मूल्यांकन कैसे करें?

सटीकता के 2 सामान्य माप:
1. Mean Absolute Error (MAE) $$ \frac {1}{n} \sum_{i=1}^n |Y_t - \hat{Y}_t| $$
2. Mean Absolute Percentage Error (MAPE) $$ \frac {1}{n} \sum_{i=1}^n | \frac {Y_t - \hat{Y}_t} {Y_t} | \times 100 $$

MAE और MAPE उदाहरण

for_M_t <- as.numeric(forecast_M_t$mean)
v_M_t <- as.numeric(M_t_valid)

MAE <- mean(abs(for_M_t - v_M_t))
MAPE <- 100*mean(abs((for_M_t - v_M_t)/v_M_t))

print(MAE)

[1] 198.7976

print(MAPE)

[1] 9.576247

अभ्यास करते हैं!

R में प्रोडक्ट डिमांड फोरकास्टिंग