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

MAPE与sMAPE在促销预测场景的选型对比

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
MAPE定义与数学公式
MAPE = (100%/n) *… · 理解百分比误差的加权逻辑
MAPE定义
03
sMAPE定义与数学公式
sMAPE = (200%/n) *… · 对称化处理如何避免分母为零
sMAPE定义
04
MAPE的对称性缺陷
当实际值A远小于预测值F时 · MAPE为何会爆炸？促销场景中的“零…
MAPE的对称性缺陷
05
sMAPE的对称性优势
分子分母同时包含预测值与实际值 · 如何平衡高估与低估的惩罚
sMAPE的对称性优势
06
MAPE的分母为零问题
促销期间实际销量为0（缺货/清仓） · MAPE计算崩溃的数学原因与业务后果
MAPE的分母为零问题
07
sMAPE的分母保护机制
当A=0且F=0时sMAPE=0 · 当A=0 · F>0时sMAPE=200%的边界行…
sMAPE的分母保护机制
08
促销预测的数据特征
高波动性 · 季节性脉冲 · 价格弹性
促销预测的数据特…高波动性
09
案例1
大促爆款预测——MAPE因低估导致无… · sMAPE给出合理200%上限
案例1MAPE
10
案例2
清仓甩卖预测——实际销量为0 · MAPE无法计算 · sMAPE稳定输出
案例2清仓甩卖预测
11
案例3
新品首发预测——无历史数据 · MAPE对初始预测误差极度敏感
案例3新品首发预测
12
案例4
满减凑单预测——实际销量突增300% · MAPE与sMAPE对异常值的不同反…
案例4满减凑单预测
13
MAPE的尺度依赖性
促销期间销量跨度从个位数到十万级 · MAPE如何被小量级样本主导
MAPE的尺度依赖性
14
sMAPE的尺度鲁棒性
对称化处理如何降低对量级差异的敏感度
sMAPE的尺度鲁棒性
15
MAPE的优化方向
加权MAPE（wMAPE）——按促销…
MAPE的优化方向
16
sMAPE的变体
修正sMAPE（加入平滑常数ε）——…
sMAPE的变体
17
业务解读差异
MAPE=50% vs sMAPE=…
业务解读差异MAPE
18
促销预测的误差容忍度
不同促销类型（日常促销 · 大促 · 清仓）对误差指标的偏好
促销预测的误差容…不同促销类型
19
模型选型影响
使用MAPE优化的模型 vs 使用s… · 在促销场景下的行为差异
模型选型影响MAPE
20
时间序列交叉验证中的指标选择
滚动预测时MAPE的累积误差放大效应
时间序列交叉验证指标选择
21
多SKU聚合评估
MAPE在聚合时被小SKU拉低 · sMAPE更公平地反映整体表现
SKU聚合评估
22
促销日历效应
节假日促销中MAPE的季节性偏差与s…
促销日历效应MAPE
23
异常值处理对比
促销数据中的离群点（如秒杀瞬间）对M…
异常值处理对比促销数据
24
零值库存场景专项
当促销商品售罄后 · 后续预测的误差指标如何选择
零值库存场景专项当促销商品售罄后
25
指标组合策略
同时报告MAPE和sMAPE · 并辅以MAE/RMSE的多维度评估框…
指标组合策略MAPE
26
行业实践调研
电商 · 快消 · 零售行业在促销预测中实际使用MAPE…
行业实践调研电商
27
代码实现
Python中MAPE与sMAPE的… · 附单元测试
代码实现Python
28
可视化对比
同一促销数据集上MAPE与sMAPE…
可视化对比MAPE
29
决策树
根据促销类型 · 数据稀疏度 · 业务容忍度
决策树根据促销类型
30
课程总结
MAPE与sMAPE的选型对照表 · 以及未来研究方向（如Pinball…
课程总结MAPE