Mean Absolute Percentage Error for regression models
Mean Absolute Percentage Error for regression models
复制标题
DOI：
10.1016/j.neucom.2015.12.114
复制
发表时间：
2016-06-05
期刊：
影响因子：
6
通讯作者：
Rossi, Fabrice
中科院分区：
文献类型：
--
作者：
de Myttenaere, Arnaud;Golden, Boris;Rossi, Fabrice
在本文中，我们研究了使用平均绝对百分比误差（MAPE）作为回归模型质量度量的后果。我们证明了最优MAPE模型的存在性，并证明了基于MAPE的经验风险最小化的普适性。我们还表明，在MAPE下找到最佳模型相当于进行加权平均绝对误差（MAE）回归，并且我们将这种加权策略应用于核回归。MAPE核回归的行为示出了模拟数据。(C)© 2016 Elsevier B.V.版权所有。
We study in this paper the consequences of using the Mean Absolute Percentage Error (MAPE) as a measure of quality for regression models. We prove the existence of an optimal MAPE model and we show the universal consistency of Empirical Risk Minimization based on the MAPE. We also show that finding the best model under the MAPE is equivalent to doing weighted Mean Absolute Error (MAE) regression, and we apply this weighting strategy to kernel regression. The behavior of the MAPE kernel regression is illustrated on simulated data. (C) 2016 Elsevier B.V. All rights reserved.