评估预测模型的预测能力最受欢迎和最有用的方法：图表法和验证预测误差e
· 图表法是将预测数据和历史数据直接做图形对比，相对比较直观
· 检验预测错误，我们通过实际数据和预测数据的差值进行验证
比如：
et：Average Error (平均误差)
|et|：Mean absolute error (MAE) (平均绝对误差)
(et)2: MeanSquared Error (MSE) Or Take a root (RMSE) 均方误差
|et/yt|*100% : Mean absolute % error (MAPE) 平均绝对误差%
我们以以下预测模型为例，上部分是预测和实际的对比，下部分是预测和实际的误差图形et
之前我们讲过overfitting过度拟合，我们可以通过学习区间的误差参数和验证区间的误差参数对比验证是否是过度拟合：
在预测中我们需要注意的是，有时候我们的预测是不允许有正误差或者负误差的，或者允许的误差有大小的限制等，这里我们都需要通过误差验证来检验，误差验证是预测中非常重要的部分，不管是传统的预测模型还是目前计算机的神经元预测等等，都需要用到误差检验。
另外，绝大多数情况下，我们都不会100%确定所预测的数字可以正确预估未来，通常情况下，我们需要预估的是大概率发生的情况，比如天气预报经常会说95%的可能会下雨等等，过年火车站人口流动量会增加到200万到220万人次等等。
我们通常用95%的可能Yt+K 将会落在区间[a,b]范围内来表述将来。
从下一讲开始，我们将介绍一些简单的可以用excel进行预测的模型
相关好文如下，点击即可阅读
如何用Excel做供应链网络优化（通俗易懂）
最实用的呆滞物料处理方案
供应链神人：不用系统也能处理海量订单
一个真实的供应链九宫格ABCXYZ降本案例
ABCXYZ策略分类在需求计划和供应计划中的应用
物料计划中如何使用Excel实现一对多反向查询功能
有了ERP 软件，供应链人为什么还依赖 Excel 表格？
Excel新技能 -- 产能与销售策略最优决策分析
为什么很多公司的ERP系统用得还不如Excel