平均绝对百分比误差 (MAPE) 是用于评估预测方法准确性的统计度量。它将预测误差表示为实际值的百分比，允许用户衡量预测与真实结果的距离。由于MAPE是一种相对度量，因此它对于比较不同数据集或时间段的预测性能特别有用，使其成为供应链管理，财务和任何预测建模任务等领域的开发人员的最爱。
要计算MAPE，首先要确定每个预测值的绝对误差。这是通过从实际值 (A) 中减去预测值 (F) 以获得绝对误差 (| A-f |) 来完成的。然后将此绝对误差除以实际值 (A)，得到该特定预测的百分比误差: | A - F |/A。在计算所有观测值的百分比误差之后，计算这些值的平均值。该公式可以总结如下:
[ \ text{MAPE} = \ frac{1}{n} \ sum_{i = 1 }^{ n} \ left( \ frac{| A_i - F_i |}{ A_i} \ right) \ times 100 ]
其中 (n ) 是观察次数。
例如，假设您有三个实际销售值100、150和200，以及相应的预测值110、140和190。这些值的绝对百分比误差将分别为10% 、6.67% 和5%。MAPE将是这些误差的平均值，导致约7.22% 的MAPE。该值表示预测数据与实际数据的一致程度，较低的MAPE表明预测的准确性更高。