VIP20
本课程属于：007-需求预测模型 供应链数字化与智能采购系统 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

准确率指标MAPE与sMAPE在促销预测选型

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
为什么促销预测需要专门的误差指标？M…
课程导论为什么促销预测需…
02
促销预测的挑战
促销活动的突发性 · 季节性 · 价格弹性对预测误差的影响
促销预测的挑战促销活动的突发性
03
MAPE定义与公式
平均百分比误差的数学表达式及计算…
MAPE定义
04
MAPE的直观理解
通过一个简单促销案例（销量10 vs…
MAPE的直观理解
05
MAPE的优点
尺度无关性 · 易于业务解释 · 跨品类可比性
MAPE的优点
06
MAPE的缺点（一）
当实际值为零或接近零时 · MAPE趋向无穷大
MAPE的缺点
07
MAPE的缺点（二）
对负误差与正误差的不对称惩罚（实际值…
MAPE的缺点
08
MAPE的缺点（三）
在促销低谷期（低销量）指标失真问题
MAPE的缺点
09
sMAPE定义与公式
对称平均百分比误差的数学表达式及…
sMAPE定义
10
sMAPE的对称性原理
分母同时包含实际值与预测值 · 解决MAPE的零值问题
sMAPE的对称性原理
11
sMAPE的直观理解
通过同一个促销案例（销量10 vs…
sMAPE的直观理解
12
sMAPE的优点
处理零值场景 · 对称惩罚 · 在促销高峰与低谷间更平衡
sMAPE的优点
13
sMAPE的缺点（一）
当实际值与预测值均为零时 · 分母为零导致未定义
sMAPE的缺点
14
sMAPE的缺点（二）
对预测值符号敏感 · 负预测值会导致指标扭曲
sMAPE的缺点
15
sMAPE的缺点（三）
在促销活动中 · 高波动数据下sMAPE可能低估误差
sMAPE的缺点
16
MAPE vs sMAPE 对比表格
定义 · 范围 · 零值处理
MAPEvs
17
促销预测场景一
大促活动（双11/黑五）——为什么s…
促销预测场景一大促活动
18
促销预测场景二
日常促销（满减/折扣）——MAPE与…
促销预测场景二MAPE
19
促销预测场景三
新品促销（无历史数据）——如何处理零…
促销预测场景三新品促销
20
促销预测场景四
清仓促销（价格剧烈下降）——误差指标…
促销预测场景四清仓促销
21
促销预测场景五
跨品类促销组合——使用MAPE/sM…
促销预测场景五MAPE/sM
22
模型选型方法论
基于MAPE与sMAPE的模型评估框… · 回归 · 深度学习）
模型选型方法论MAPE
23
案例实战一
使用Python计算MAPE与sMA… · 含代码片段）
案例实战一Python
24
案例实战二
在促销数据集上对比ARIMA与Pro…
案例实战二ARIMA
25
案例实战三
处理零值时的sMAPE变体——修正s…
案例实战三sMAPE
26
案例实战四
可视化MAPE与sMAPE的误差分布…
案例实战四MAPE
27
业务决策指南
何时选择MAPE？何时选择sMAPE…
业务决策指南MAPE
28
常见误区
不要将MAPE用于低基数数据 · 不要忽略sMAPE的对称性假设
常见误区MAPE
29
进阶指标
MASE（平均尺度误差）与RMS…
进阶指标MASE
30
课程总结
构建促销预测误差指标选型决策树 · 推荐最佳实践
课程总结构建促销预测误差…