三次指数平滑法的平均绝对百分误差是怎么得到的

平均绝对百分误差（Mean Absolute Percentage Error，简称MAPE）是衡量预测结果准确度的常用指标，可以用于评估三次指数平滑法的预测精度。

MAPE用于衡量预测值与实际值之间的相对误差，计算公式如下：

MAPE = (1/n) * Σ(|(实际值 - 预测值) / 实际值|) * 100

其中，n是数据点的数量，Σ表示求和运算。

以下是计算三次指数平滑法的平均绝对百分误差的示例代码：

import pandas as pd

# 假设实际值为 actual，预测值为 forecast
actual = [15, 18, 20, 14, 17, 19]
forecast = [15.5, 17.8, 19.2, 14.3, 16.9, 18.7]

# 计算平均绝对百分误差
n = len(actual)
mape = (1/n) * sum(abs((actual[i] - forecast[i]) / actual[i]) for i in range(n)) * 100

print(f"MAPE: {mape:.2f}%")

在上述示例代码中，我们使用了两个列表 `actual` 和 `forecast` 分别表示实际值和预测值。通过遍历每个数据点，计算并累加每个数据点的绝对百分误差，最后除以数据点数量n，得到平均绝对百分误差MAPE。最后，使用格式化字符串打印出计算得到的MAPE值。

请注意，MAPE的计算结果是一个百分比，可以表示预测结果相对于实际值的平均误差程度。较低的MAPE值表示预测精度较高。