यह तय करने के लिए कि कौन सा बिंदु पूर्वानुमान त्रुटि का उपयोग करने के लिए मापता है, हमें एक कदम वापस लेने की आवश्यकता है। ध्यान दें कि हम भविष्य के परिणाम को पूरी तरह से नहीं जानते हैं, न ही हम कभी भी। तो भविष्य के परिणाम एक संभावना वितरण का अनुसरण करते हैं । कुछ पूर्वानुमान विधियां स्पष्ट रूप से इस तरह के पूर्ण वितरण का उत्पादन करती हैं, और कुछ नहीं - लेकिन यह हमेशा होता है, यदि केवल अंतर्निहित रूप से।
अब, हम एक पूर्वानुमान के लिए एक अच्छी त्रुटि मापना चाहते हैं । इस तरह के एक बिंदु का पूर्वानुमान Ft संक्षेप में प्रस्तुत करने के लिए क्या हम समय में भविष्य के वितरण (यानी, भविष्य कहनेवाला वितरण) के बारे में पता हमारा प्रयास है t एक संख्या, एक तथाकथित का उपयोग कर कार्यात्मक भविष्य घनत्व की। त्रुटि माप तब इस एकल संख्या सारांश की गुणवत्ता का आकलन करने का एक तरीका है।
तो आपको एक त्रुटि उपाय चुनना चाहिए जो भविष्य के घनत्वों के "अच्छे" एक नंबर सारांश (अज्ञात, संभवतः पूर्वानुमानित, लेकिन संभवतः केवल निहित) को पुरस्कृत करता है।
चुनौती यह है कि विभिन्न कार्यों के द्वारा विभिन्न त्रुटि उपायों को कम से कम किया जाता है। भावी वितरण के अपेक्षित मूल्य से अपेक्षित MSE को कम से कम किया जाता है। भविष्य के वितरण के माध्य द्वारा अपेक्षित एमएडी को कम से कम किया जाता है। इस प्रकार, यदि आप MAE को कम करने के लिए अपने पूर्वानुमानों को कैलिब्रेट करते हैं, तो आपका पॉइंट पूर्वानुमान भविष्य का अपेक्षित नहीं, बल्कि भविष्य का अपेक्षित मूल्य होगा, और यदि आपका भविष्य वितरण सममित नहीं है, तो आपके पूर्वानुमान पक्षपाती होंगे।
यह गणना डेटा के लिए सबसे अधिक प्रासंगिक है, जो आमतौर पर तिरछा होता है। गंभीर मामलों में (जैसे कि, प्वासों नीचे एक मतलब के साथ बिक्री वितरित log2≈0.69 , अपने MAE एक फ्लैट शून्य पूर्वानुमान के लिए सबसे कम हो जाएगा)। देखें यहाँ या यहाँ या यहाँ जानकारी के लिए।
मैं कुछ और जानकारी देता हूं और मीन एब्सोल्यूट प्रतिशत त्रुटि (एमएपीई) की कमी क्या है? वह धागा म्प को मानता है , लेकिन अन्य त्रुटि उपायों को भी, और इसमें अन्य संबंधित थ्रेड्स के लिंक होते हैं।
अंत में, त्रुटि का उपयोग करने के लिए कौन सा त्रुटि वास्तव में आपके पूर्वानुमान की त्रुटि पर निर्भर करता है, अर्थात, किस प्रकार की त्रुटि सबसे दर्दनाक है। पूर्वानुमान त्रुटियों के वास्तविक निहितार्थ को देखे बिना, "बेहतर मानदंड" के बारे में कोई भी चर्चा मूल रूप से निरर्थक है।
पूर्वानुमान सटीकता के उपाय कुछ साल पहले पूर्वानुमान करने वाले समुदाय में एक बड़ा विषय थे, और वे अभी भी अभी और फिर पॉप अप करते हैं। देखने के लिए एक बहुत अच्छा लेख है Hyndman & Koehler "पूर्वानुमान सटीकता के उपायों पर एक और नज़र" (2006)।
अंत में, एक विकल्प पूर्ण भविष्य कहनेवाला घनत्वों की गणना करना और उचित स्कोरिंग-नियमों का उपयोग करके इनका आकलन करना है ।