时间序列模型评分

时间模型将结果预测为与特定未来日期对应的数字。为评估时间序列模型，生成了几个度量。

MASE

MASE 代表平均绝对标度误差。MASE 是用于在 Qlik Predict 中对时间序列模型进行评分和推荐的关键指标之一。

在 Qlik Predict 中，MASE 通过比较预测的平均绝对误差 (MAE) 与朴素预测的 MAE 来确定。人工预测使用最后一个可用值作为所有未来步骤的预测值。

MAE 代表平均绝对误差。连同 MASE，MAE 是用于在 Qlik Predict 中对时间序列模型进行评分和推荐的关键指标之一。MAE 通过计算模型创建的预测中的错误率来衡量模型质量。

MAPE 代表平均绝对百分比误差。

WMAPE 代表加权平均绝对百分比误差。

均方根误差 (RMSE) 可以解释为预测值和实际值之间的平均 +/- 差值。它是残差的标准偏差（特征的观测值和预测值之间的差值）。RMSE 以与目标值相同的单位测量。

例如，假设我们的目标是预测合同价值，我们得到 RMSE=1250。这意味着，平均而言，预测值与实际值相差 +/- $1,250。

MSE 代表均方误差。

SMAPE 代表对称平均绝对百分比误差。

MDAPE 代表绝对百分比误差中值。

MNRMSE 代表均方根误差。

MDNRMSE 代表中值均方根误差。

预测速度是一种适用于所有模型类型的模型度量：二元分类、多类分类、回归和时间序列。预测速度衡量机器学习模型生成预测的速度。

在 Qlik Predict 中，使用组合特征计算时间和测试数据集预测时间来计算预测速度。它以每秒行数为单位显示。

运行实验版本后，可在模型指标表中分析预测速度。在使用嵌入式分析来分析模型时，您还可以查看预测速度数据。有关更多信息，请参阅：

测量的预测速度基于训练数据集的大小，而不是基于进行预测所用的数据。部署模型后，如果训练数据和预测数据的大小相差很大，或者在一个或少数几个数据行上创建实时预测时，您可能会注意到创建预测速度之间的差异。

如果您发现此页面或其内容有任何问题 – 打字错误、遗漏步骤或技术错误 – 请告诉我们！