09. Métricas pontuais de previsão

A métrica define que tipo de erro pesa na escolha de uma previsão. Erros absolutos, quadráticos, percentuais e escalados respondem a perguntas diferentes. Uma decisão sobre capacidade pode ter custos distintos de subestimar e superestimar, e séries com zeros tornam algumas métricas inadequadas. Este capítulo apresenta MAE, RMSE, MAPE e MASE, suas fórmulas e limites. A comparação deve usar previsões fora da amostra, nas mesmas origens e horizontes, com critérios definidos antes de observar o vencedor.

Quando a ordem do tempo importa, dividir dados aleatoriamente e ignorar dependências produz respostas enganosas. A sequência parte da estrutura temporal e chega à operação contínua das previsões. Este é o capítulo 9 de 20 da disciplina Séries Temporais e Previsão. Ele retoma Baselines de previsão e utiliza essa base para avançar. Na sequência, estudaremos Médias móveis e suavização.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use Métricas pontuais de previsão para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

MAE

Começamos por MAE, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

MAE faz média dos erros absolutos e permanece na unidade do alvo.

Defina erro como e = realizado − previsto. MAE é a média de |e| e permanece na unidade do alvo, como unidades ou minutos. Ele atribui custo linear ao tamanho do desvio: errar 20 pesa o dobro de errar 10. Sob perda absoluta esperada, uma mediana condicional é uma previsão ótima; isso difere do alvo induzido por perda quadrática. MAE não informa a direção do viés, pois elimina o sinal. Relate também erros assinados ou outras medidas quando subestimação sistemática for importante.

RMSE

Depois de compreender MAE, passamos a RMSE. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

RMSE penaliza mais erros grandes por elevar resíduos ao quadrado.