Question

为了评价时序预测模型效果的好坏，本章采用3个衡量模型预测精度的统计量指标：平均绝对误差、均方根误差和平均绝对百分误差。这3个指标从不同侧面反映了算法的预测精度^[20]。

选择建模数据的后5条记录作为实际值，将预测值与实际值进行误差分析，模型的各个评价指标值见表11-10。

表11-10　模型评价表

模型评价的Python代码如代码清单11-6所示。

代码清单11-6　模型评价代码

#-*- coding: utf-8 -*-
#计算预测误差
import pandas as pd
#参数初始化
file = '../data/predictdata.xls'
data = pd.read_excel(file)
#计算误差
abs_ = (data[u'预测值'] - data[u'实际值']).abs()
mae_ = abs_.mean() # mae
rmse_ = ((abs_**2).mean())**0.5 # rmse
mape_ = (abs_/data[u'实际值']).mean() # mape
print(u'平均绝对误差为：%0.4f，\n均方根误差为：%0.4f，\n平均绝对百分误差为：%0.6f。' %(mae_, 
     rmse_, mape_))

代码详见：demo/code/cal_errors.py

结合实际业务分析，将误差阈值设定为1.5。表11-11中实际值与预测值之间的误差全都小于误差阈值。因此，模型的预测效果在实际业务可接受的范围内，可以采用此模型进行预测。