목표 지표

Autopilot은 모델 후보를 평가하고 예측 생성에 사용할 모델을 선택하는 데 도움이 되는 정확도 지표를 생성합니다. Autopilot이 예측기를 자동으로 최적화하도록 하거나 예측기의 알고리즘을 수동으로 선택할 수 있습니다. 기본적으로 Autopilot은 평균 가중치 기반 분위수 손실을 사용합니다.

다음 목록에는 시계열 예측을 위한 모델의 성능을 측정하는 데 현재 사용할 수 있는 지표의 이름이 나와 있습니다.

RMSE

평균 제곱근 오차(RMSE) – 예측값과 실제 값 간의 제곱 차이의 제곱근을 측정하며, 모든 값에 대해 평균을 구합니다. 이는 큰 모델 오차와 이상값이 있음을 나타내는 중요한 지표입니다. 값 범위는 0에서 무한대까지이며 숫자가 작을수록 모델이 데이터에 더 적합함을 나타냅니다. RMSE는 규모에 따라 달라지므로 크기가 다른 데이터 세트를 비교하는 데 사용해서는 안 됩니다.

wQL

가중치 기반 분위수 손실(WQL) – 예측된 P10, P50 및 P90 분위수와 이들의 실제 분위수 간의 가중치 기반 절대 차이를 측정하여 예측의 정확도를 평가하는데, 값이 낮을수록 성능이 더 우수함을 나타냅니다.

Average wQL (default)

평균 가중치 기반 분위수 손실(평균 wQL) – P10, P50 및 P90 분위수의 정확도를 평균화하여 예측을 평가합니다. 값이 낮을수록 모델이 더 정확하다는 의미입니다.

MASE

평균 절대 조정 오차(MASE) – 단순 기준 예측 방법의 평균 절대 오차로 정규화된 예측의 평균 절대 오차입니다. 값이 낮을수록 모델의 정확도가 더 높으며, MASE < 1이면 기준보다 나은 것으로 추정되고 MASE > 1이면 기준보다 나쁜 것으로 추정됩니다.

MAPE

평균 절대 백분율 오차(MAPE) – 모든 시점에 걸쳐 평균화된 백분율 오차(평균 예측값과 실제 값의 백분율 차이)입니다. 값이 낮을수록 모델이 더 정확하다는 의미이며, 여기서 MAPE = 0은 오차가 없는 모델입니다.

WAPE

가중 절대 백분율 오차(WAPE) – 절대 목표의 합으로 정규화된 절대 오차의 합계로, 예측값과 관측값의 전체 편차를 나타냅니다. 값이 낮을수록 모델이 더 정확하다는 의미입니다.