Calculateur d’erreur absolue moyenne en pourcentage (MAPE)

Le MAPE exprime les erreurs sous une forme facile à communiquer entre des prévisions d’échelles différentes. Saisissez les valeurs correspondantes dans le même ordre pour obtenir le pourcentage et le nombre de paires évaluées. Toute observation nulle est refusée, car une erreur en pourcentage n’est pas définie lorsque son dénominateur vaut zéro et fausserait vos rapports.

Préparez des valeurs observées et prévues alignées

Préparez deux tableaux décrivant les mêmes événements dans le même ordre. Chaque observation doit correspondre exactement à la prévision placée au même rang. Les tableaux doivent avoir une longueur identique, contenir au moins un nombre fini et respecter la limite publiée. Une observation ne peut jamais valoir zéro puisqu’elle sert de dénominateur. Une prévision peut être nulle ou négative si le domaine l’autorise. N’utilisez ni null, ni chaîne vide, ni nombre écrit comme texte, ni Infinity, ni NaN : seuls les nombres JSON finis sont admis. Vérifiez aussi l’unité des deux séries. Comparer des recettes en euros à des prévisions en milliers d’euros rendrait le résultat incohérent. Envoyez les tableaux dans observed et predicted. La réponse fournit mape en pourcentage et count pour le nombre de paires traitées.

Comprenez le calcul du pourcentage

Pour chaque paire, le calculateur soustrait la prévision de l’observation, prend la valeur absolue de cet écart, puis la divise par l’observation selon la formule standard. Il calcule ensuite la moyenne des rapports et multiplie le résultat par 100. Un mape de 8.5 signifie donc que les prévisions s’écartent en moyenne de 8.5 pour cent, sans indiquer le sens de chaque écart. La valeur absolue empêche les erreurs positives et négatives de s’annuler. Toutes les paires ont le même poids, quelle que soit leur grandeur ; une petite observation peut donc créer un pourcentage très élevé. Le calcul déterministe en virgule flottante n’est pas arrondi. Vous choisissez ainsi la précision d’affichage adaptée. Le champ count confirme le nombre de paires incluses et facilite le contrôle d’un filtrage effectué en amont.

Interprétez le MAPE avec discernement

Le MAPE convient surtout lorsque les observations sont non nulles, utilisent une échelle de rapport pertinente et que les écarts en pourcentage répondent réellement à votre question. On l’emploie souvent pour la demande, le trafic, les ventes ou les stocks. Ne comparez que des jeux préparés de façon cohérente : changer la période ou la composition des produits peut modifier fortement la mesure. Soyez prudent près de zéro, car un petit écart absolu peut dominer la moyenne. Les observations négatives sont admises mathématiquement, mais leur lecture peut être délicate. Le MAPE ne montre ni biais, ni chronologie, ni distribution des erreurs. Ajoutez une mesure signée si la surestimation importe, ou préférez MAE, RMSE, WAPE ou une mesure métier lorsque les zéros abondent. L’API coûte $0.002 par requête et refuse explicitement toute entrée invalide.