时间序列当中预测精度检验代码
时间: 2023-09-04 12:11:03 浏览: 35
时间序列预测的精度检验可以使用一些统计学指标,比如均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)等。以下是一个简单的 Python 代码示例,演示如何计算这些指标:
```python
import numpy as np
def rmse(predictions, targets):
return np.sqrt(((predictions - targets) ** 2).mean())
def mae(predictions, targets):
return np.abs(predictions - targets).mean()
def mape(predictions, targets):
return np.abs((targets - predictions) / targets).mean() * 100
# 假设 predictions 和 targets 分别是预测值和实际值的数组
rmse_score = rmse(predictions, targets)
mae_score = mae(predictions, targets)
mape_score = mape(predictions, targets)
print("RMSE:", rmse_score)
print("MAE:", mae_score)
print("MAPE:", mape_score)
```
需要注意的是,这些指标都是用于评估模型在整个预测序列上的表现,而不是针对单个预测值。如果你需要逐步评估模型的表现,可以考虑使用滑动窗口或者交叉验证等技术。