Результаты моделей

Детальный анализ производительности моделей прогнозирования временных рядов

Что показывают эти результаты? Мы сравнили три подхода к прогнозированию нагрузки на бортовые медиасистемы: классический статистический метод SARIMAX и два нейросетевых подхода (GAF+CNN и Transformer). Метрики MAE, RMSE и MAPE показывают точность прогнозов на тестовых данных.

Обзор метрик

Сравнение метрик качества для всех моделей по каждому snapshot. Чем меньше значения MAE и RMSE, тем точнее прогноз. MAPE может быть высоким из-за нулевых значений в данных.

Сравнение моделей

Визуальное сравнение производительности моделей. Transformer показывает стабильно лучшие результаты на всех snapshot, превосходя SARIMAX в среднем на 73% по MAE.

Загрузка...

Интерпретация метрик

MAE (Mean Absolute Error)

Средняя абсолютная ошибка. Показывает среднее отклонение прогноза от фактического значения. Чем меньше, тем лучше.

RMSE (Root Mean Square Error)

Корень из средней квадратичной ошибки. Более чувствителен к большим отклонениям. Чем меньше, тем лучше.

MAPE (Mean Absolute Percentage Error)

Средняя абсолютная процентная ошибка. Может быть очень высоким из-за нулевых значений в данных (деление на ноль). Лучше ориентироваться на MAE и RMSE.