วิธีการคำนวณข้อผิดพลาดสัมพัทธ์เมื่อค่าจริงเป็นศูนย์?

ฉันจะคำนวณข้อผิดพลาดสัมพัทธ์เมื่อค่าจริงเป็นศูนย์ได้อย่างไร

ว่าฉันมีและ{} ถ้าฉันกำหนดข้อผิดพลาดที่เกี่ยวข้องเป็น:$x_{true} = 0$$x_{test}$

$\text{relative error} = \frac{x_{true}-x_{test}}{x_{true}}$

จากนั้นข้อผิดพลาดที่เกี่ยวข้องจะไม่ได้กำหนดเสมอ ถ้าฉันใช้คำนิยามแทน:

$\text{relative error} = \frac{x_{true}-x_{test}}{x_{test}}$

จากนั้นข้อผิดพลาดสัมพัทธ์จะเป็น 100% เสมอ ทั้งสองวิธีดูเหมือนไร้ประโยชน์ มีทางเลือกอื่นหรือไม่?

มีหลายทางเลือกขึ้นอยู่กับวัตถุประสงค์

---

หนึ่งที่พบบ่อยคือ "ความแตกต่างร้อยละสัมพัทธ์" หรือ RPD ที่ใช้ในขั้นตอนการควบคุมคุณภาพในห้องปฏิบัติการ แม้ว่าคุณจะสามารถค้นหาสูตรที่แตกต่างกันได้ แต่พวกเขาทั้งหมดกลับมาเปรียบเทียบความแตกต่างของค่าสองค่ากับขนาดเฉลี่ย:

$$d_1(x,y) = \frac{x - y}{(|x| + |y|)/2} = 2\frac{x - y}{|x| + |y|}.$$

นี่คือการลงนามการแสดงออกในเชิงบวกเมื่อ$x$เกิน$y$และลบเมื่อ$y$เกินx$x$ค่าของมันจะอยู่ระหว่าง$-2$และ$2$เสมอ โดยการใช้ค่าสัมบูรณ์ในตัวส่วนมันจัดการกับจำนวนลบในวิธีที่เหมาะสม การอ้างอิงส่วนใหญ่ที่ฉันหาได้เช่นNew Jersey DEP Site Remediation Program การประเมินคุณภาพข้อมูลและคำแนะนำด้านเทคนิคการประเมินความสามารถในการใช้ข้อมูลใช้ค่าสัมบูรณ์ของ$d_1$เพราะพวกเขาสนใจเฉพาะขนาดของข้อผิดพลาดสัมพัทธ์

---

บทความวิกิพีเดียเปลี่ยนญาติและความแตกต่างตั้งข้อสังเกตว่า

$$d_\infty(x,y) = \frac{|x - y|}{\max(|x|, |y|)}$$

มักใช้เป็นการทดสอบความทนทานต่อสัมพัทธ์ในอัลกอริธึมเชิงตัวเลขจุดลอยตัว บทความเดียวกันยังชี้ให้เห็นว่าสูตรเช่นและd ∞อาจถูกทำให้เป็นมาตรฐาน$d_1$$d_\infty$

$$d_f(x,y) = \frac{x - y}{f(x,y)}$$

ที่ฟังก์ชันขึ้นอยู่กับขนาดของxและyโดยตรง(โดยปกติถือว่าxและyเป็นค่าบวก) เป็นตัวอย่างที่นำเสนอค่าเฉลี่ยสูงสุดต่ำสุดและค่าเฉลี่ยเลขคณิตของพวกเขา (โดยมีและไม่มีค่าสัมบูรณ์ของxและyด้วยตนเอง) แต่เราสามารถพิจารณาประเภทเฉลี่ยอื่น ๆ เช่นค่าเฉลี่ยเรขาคณิต$f$$x$$y$$x$$y$$x$$y$, ฮาร์โมนิเฉลี่ย2/(1/|x|+1/|Y|)และLPหมายถึง((|x|P+|Y|P)/2)1 / P (d1สอดคล้องกับp=1และd∞สอดคล้องกับขีด จำกัด เป็นp$\sqrt{|x y|}$$2/(1/|x| + 1/|y|)$$L^p$$((|x|^p + |y|^p)/2)^{1/p}$$d_1$$p=1$$d_\infty$$p\to \infty$.) One might choose an $f$ based on the expected statistical behavior of $x$ and $y$. For instance, with approximately lognormal distributions the geometric mean would be an attractive choice for $f$ because it is a meaningful average in that circumstance.

---

Most of these formulas run into difficulties when the denominator equals zero. In many applications that either is not possible or it is harmless to set the difference to zero when $x=y=0$.

Note that all these definitions share a fundamental invariance property: whatever the relative difference function $d$ may be, it does not change when the arguments are uniformly rescaled by $\lambda \gt 0$:

$$d(x,y) = d(\lambda x, \lambda y).$$

It is this property that allows us to consider $d$ to be a relative difference. Thus, in particular, a non-invariant function like

$$d(x,y) =?\ \frac{|x-y|}{1 + |y|}$$

simply does not qualify. Whatever virtues it might have, it does not express a relative difference.

---

The story does not end here. We might even find it fruitful to push the implications of invariance a little further.

The set of all ordered pairs of real numbers $(x,y)\ne (0,0)$ where $(x,y)$ is considered to be the same as $(\lambda x, \lambda y)$ is the Real Projective Line $\mathbb{RP}^1$. In both a topological sense and an algebraic sense, $\mathbb{RP}^1$ is a circle. Any $(x,y)\ne (0,0)$ determines a unique line through the origin $(0,0)$. When $x\ne 0$ its slope is $y/x$; otherwise we may consider its slope to be "infinite" (and either negative or positive). A neighborhood of this vertical line consists of lines with extremely large positive or extremely large negative slopes. We may parameterize all such lines in terms of their angle $\theta = \arctan(y/x)$, with $-\pi/2 \lt \theta \le \pi/2$$\theta$

$$(\xi, \eta) = (\cos(2\theta), \sin(2\theta)) = \left(\frac{x^2-y^2}{x^2+y^2}, \frac{2xy}{x^2+y^2}\right).$$

Any distance defined on the circle can therefore be used to define a relative difference.

As an example of where this can lead, consider the usual (Euclidean) distance on the circle, whereby the distance between two points is the size of the angle between them. The relative difference is least when $x=y$, corresponding to $2\theta = \pi/2$ (or $2\theta = -3\pi/2$ when $x$ and $y$ have opposite signs). From this point of view a natural relative difference for positive numbers $x$ and $y$ would be the distance to this angle:

$$d_S(x,y) = \left|2\arctan\left(\frac{y}{x}\right) - \pi/2\right|.$$

To first order, this is the relative distance $|x-y|/|y|$--but it works even when $y=0$. Moreover, it doesn't blow up, but instead (as a signed distance) is limited between $-\pi/2$ and $\pi/2$, as this graph indicates:

This hints at how flexible the choices are when selecting a way to measure relative differences.

First, note that you typically take the absolute value in computing the relative error.

A common solution to the problem is to compute

$$\text{relative error}=\frac{\left| x_{\text{true}}- x_{\text{test}} \right|}{1+\left|x_{\text{true}} \right|} .$$

I was a bit confused on this for a while. In the end, its because if you are trying to measure relative error with respect to zero then you are trying to force something that simply does not exist.

If you think about it, you're comparing apples to oranges when you compare relative error to the error measured from zero, because the error measured from zero is equivalent to the measured value (that's why you get 100% error when you divide by the test number).

For example, consider measuring error of gauge pressure (the relative pressure from atmospheric) vs absolute pressure. Say that you use an instrument to measure the gauge pressure at perfect atmospheric conditions, and your device measured atmospheric pressure spot on so that it should record 0% error. Using the equation you provided, and first assuming we used the measured gauge pressure, to calculate relative error:

$$\text{relative error} = \frac{P_{gauge, true}-P_{gauge, test}}{P_{gauge, true}}$$ Then $P_{gauge, true}=0$ and $P_{gauge,test}=0$ and you do not get 0% error, instead it is undefined. That is because the actual percent error should be using the absolute pressure values like this: $$\text{relative error} = \frac{P_{absolute, true}-P_{absolute, test}}{P_{absolute, true}}$$ Now $P_{absolute, true}=1atm$ and $P_{absolute,test}=1atm$ and you get 0% error. This is the proper application of relative error. The original application that used gauge pressure was more like "relative error of the relative value" which is a different thing than "relative error". You need to convert the gauge pressure to absolute before measuring the relative error.

The solution to your question is to make sure you are dealing with absolute values when measuring relative error, so that zero is not a possibility. Then you are actually getting relative error, and can use that as an uncertainty or a metric of your real percent error. If you must stick with relative values, than you should be using absolute error, because the relative (percent) error will change depending on your reference point.

It's hard to put a concrete definition on 0... "Zero is the integer denoted 0 that, when used as a counting number, means that no objects are present." - Wolfram MathWorld http://mathworld.wolfram.com/Zero.html

Feel free to nit pick, but zero essentially means nothing, it is not there. This is why it does not make sense to use gauge pressure when calculating relative error. Gauge pressure, though useful, assumes there is nothing at atmospheric pressure. We know this is not the case though, because it has an absolute pressure of 1 atm. Thus, the relative error with respect to nothing, just does not exist, it's undefined.

Feel free to argue against this, simply put: any quick fixes, such as adding one to the bottom value, are faulty and not accurate. They can be still be usefully if you are simply trying to minimize error. If you are trying to make accurate measurements of uncertainty though, not so much...

Finding MAPE,

It is very debatable topic and many opensource contributors have discussed on the above topic. The most efficient approach till now is followed by the developers. Please refer to this PR to know more.