TL;DR

• 1-MAPE는 MAPE를 “정확도”처럼 보이게 뒤집은 보고용 표현이다.
• 새 메트릭이 아니므로 MAPE의 한계를 그대로 물려받고, MAPE가 1을 넘으면 음수가 된다.

1-MAPE

1-MAPE는 MAPE를 정확도 스케일로 뒤집은 값이다.

$$1-\mathrm{MAPE}$$

MAPE가 0.25면 1-MAPE는 0.75가 되고, 보고서에서는 흔히 “예측 정확도 75%“로 적힌다. 수요 예측 대시보드에서 자주 보이는 표현이다.

해석

오차 구조 관점에서 1-MAPE에는 새로운 내용이 없다. 어떤 오차를 얼마나 무겁게 볼지는 전부 MAPE가 결정하고, 1-MAPE는 그 결과를 보고 스케일로 옮길 뿐이다.

문제는 “정확도”라는 단어다. classification accuracy는 정의상 $[0,1]$ 안에 갇히지만 1-MAPE는 그렇지 않다. 실제값이 10인데 25로 예측하면 MAPE는 $|25-10|/10=1.5$이고, 1-MAPE는 $1-1.5=-0.5$가 된다. “정확도 -50%“라는 보고가 실제로 나올 수 있다.

한계

• MAPE가 1을 넘으면 음수가 된다. 100%라는 상한처럼 보이는 값과 달리 하한이 없다.
• 실제값이 0 또는 0에 가까운 행이 MAPE를 키우면 1-MAPE도 그대로 무너진다.
• 1-MAPE가 올라갔다고 MAE, WAPE, Forecast Bias까지 좋아졌다는 보장은 없다.

시계열에서의 사용

단독 KPI로는 쓰지 않는 편이 낫다. 비기술 이해관계자용 보조 보고 지표로 두고, 실제 평가는 다음을 같이 본다.

• MAE — 원래 단위의 평균 오차
• WAPE — 전체 수요 대비 총 절대 오차
• Forecast Bias — 누적 over/under 방향

---

Connections

• MAPE — 1-MAPE의 기반 지표. 모든 성질이 여기서 나온다.
• WAPE — 작은 실제값에 덜 흔들리므로, 정확도형 보고가 필요하면 1-WAPE 쪽이 더 안정적이다.
• Forecast Bias — 1-MAPE 개선이 과소예측의 결과인지 확인하는 지표.

Related MOCs

• [[MOCs - Time Series Forecasting Metrics]]