Métricas objetivas

O Autopilot produz métricas de precisão para avaliar os candidatos ao modelo e ajudar você a escolher quais usar para gerar previsões. Você pode deixar que o Autopilot otimize o preditor para você ou pode escolher manualmente um algoritmo para seu preditor. Por padrão, o Autopilot usa a perda quantílica ponderada média.

A lista a seguir contém os nomes das métricas atualmente disponíveis para medir o desempenho dos modelos para previsão de séries temporais.

RMSE

Erro quadrático médio (RMSE) — Mede a raiz quadrada da diferença quadrada entre os valores previstos e reais e calcula a média de todos os valores. É uma métrica importante para indicar a presença de grandes erros e discrepâncias no modelo. Os valores variam de zero (0) ao infinito, com números menores indicando um melhor ajuste do modelo aos dados. O RMSE depende da escala e não deve ser usado para comparar conjuntos de dados de tamanhos diferentes.

wQL

Perda quantil ponderada (WQl) — Avalie a precisão da previsão medindo as diferenças absolutas ponderadas entre os quantis P10, P50 e P90 previstos e reais, com valores mais baixos indicando melhor desempenho.

Average wQL (default)

Perda quantílica média ponderada (WQl médio) — Avalia a previsão calculando a média da precisão nos quantis P10, P50 e P90. Um valor menor indica um modelo mais preciso.

MASE

Erro médio absoluto em escala (MASE) — O erro médio absoluto da previsão normalizado pelo erro médio absoluto de um método simples de previsão de linha de base. Um valor mais baixo indica um modelo mais preciso, onde MASE < 1 é estimado como melhor que a linha de base e MASE > 1 é estimado como pior que a linha de base.

MAPE

Erro percentual absoluto médio (MAPE) — O erro percentual (diferença percentual do valor médio previsto versus o valor real) calculado em média em todos os pontos temporais. Um valor menor indica um modelo mais preciso, onde MAPE = 0 é um modelo sem erros.

WAPE

Erro percentual absoluto ponderado (WAPE) — A soma do erro absoluto normalizado pela soma da meta absoluta, que mede o desvio geral dos valores previstos dos valores observados. Um valor mais baixo indica um modelo mais preciso.