預測誤差意思

預測誤差（Forecast Error）是指實際觀察到的數據與預測模型預測的數據之間的差異。在統計學和時間序列分析中，預測誤差用來評估預測模型的準確性。預測誤差可以分為以下幾種類型：

1. 平均絕對誤差（Mean Absolute Error, MAE）：預測誤差的絕對值之和除以數據點的數量。 公式：MAE = (1/n) * Σ|y_i - ŷ_i| 其中，y_i是實際觀察到的值，ŷ_i是預測的值，n是數據點的數量。

2. 均方誤差（Mean Squared Error, MSE）：預測誤差的平方和除以數據點的數量。 公式：MSE = (1/n) * Σ(y_i - ŷ_i)^2

3. 根均方誤差（Root Mean Squared Error, RMSE）：均方誤差的開方。 公式：RMSE = √(MSE)

4. 平均絕對百分比誤差（Mean Absolute Percentage Error, MAPE）：預測誤差的絕對值之和除以實際觀察到的值的總和，再乘以100。 公式：MAPE = 100 (1/n) Σ|(y_i - ŷ_i) / y_i|

這些指標可以用來比較不同預測模型的性能，並幫助模型開發者選擇最佳的模型或調整模型的參數以減少預測誤差。