翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
目標メトリクス
Autopilot は、モデル候補を評価し、予測の生成に使用するモデルを選択するのに役立つ精度メトリクスを生成します。オートパイロットに予測子を最適化させることも、予測子のアルゴリズムを手動で選択することもできます。デフォルトでは、Autopilot は平均重み付き分位損失を使用します。
以下のリストには、時系列予測のモデルのパフォーマンスを測定するために現在利用できるメトリクスの名前が含まれています。
RMSE-
二乗平均平方根誤差 (RMSE) – 予測値と実測値の二乗差の二乗根を測定し、すべての値で平均化されます。大きなモデル誤差や外れ値の存在を示す重要なメトリクスです。値はゼロ (0) から無限大の範囲で、数値が小さいほど、モデルがデータにより適合していることを示します。RMSE はスケールに依存し、異なるサイズのデータセットの比較には使用すべきではありません。
wQL-
重み付き分位点損失 (wQL) — P10、P50、P90 の予測分位数と実際の分位数の重み付き絶対差を測定して予測の精度を評価します。値が小さいほどパフォーマンスが良いことを示します。
Average wQL (default)-
平均重み付き分位点損失 (平均 wQL) — P10、P50、P90 の分位数で精度を平均して予測を評価します。値が小さいほど、モデルの精度が高くなります。
MASE-
平均絶対スケーリングエラー (MASE) – 単純なベースライン予測方法の平均絶対エラーで正規化された予測の平均絶対エラー。値が小さいほど、より正確なモデルを示します。MASE< 1 はベースラインよりも良好であると推定され、MASE> 1 はベースラインよりも悪いと推定されます。
MAPE-
平均絶対パーセント誤差 (MAPE) – すべての時点の平均パーセント誤差 (平均予測値と実際の値の差）。値が小さいほど、より正確なモデルを示します。MAPE= 0 はエラーのないモデルです。
WAPE-
加重絶対パーセント誤差 (WAPE) – 絶対ターゲットの合計で正規化された絶対誤差の合計。観測値からの予測値の全体的な偏差を測定します。値が小さいほど、モデルの精度が高くなります。
