В чем разница между MAPE и MAE при оценке точности прогнозирования?

Разница между MAPE и MAE при оценке точности прогнозирования заключается в способе расчёта и интерпретации результатов.

MAPE (средняя абсолютная процентная ошибка) выражает точность прогноза в процентах от абсолютной процентной разницы между прогнозируемыми и фактическими значениями. 2 Например, MAPE, равный 10%, будет означать, что в среднем прогнозы отклоняются на 10% от фактических значений. 2 MAPE позволяет сравнивать точность разных моделей, и более низкий MAPE обычно указывает на лучшее соответствие. 2 Однако у показателя есть ограничения: MAPE чувствителен к нулевым значениям в фактических данных. 2

MAE (средняя абсолютная ошибка) измеряет среднюю абсолютную разницу между прогнозируемыми и фактическими значениями. 2 MAE обеспечивает простую оценку точности прогноза. 2 Показатель широко используется, например, в финансовой сфере, где ошибка в 10 долларов должна интерпретироваться как в два раза худшая, чем ошибка в 5 долларов. 4

Таким образом, MAPE больше подходит для оценки точности прогноза в контексте процентных различий, а MAE — для измерения абсолютной разницы.