我有一些时间序列和预测模型。现在我想衡量预测对不同产品的好坏程度。问题是每个产品的时间点（信息频率变化很大）

因此，作为系列的示例，以第二个间隔更新：

                               product price 
          2014-08-25 01:01:01  A       1.2
          2014-08-25 01:01:01  A       1.3
          2014-08-25 01:01:02  A       1.2
          2014-08-25 01:01:03  A       0.9
          2014-08-25 01:01:04  A       1.4

其他系列可能会在几天内更新：

          2014-08-25 05:00:00  B       10.2
          2014-08-26 06:00:00  B       10.2
          2014-08-27 06:00:00  B       7.2
          2014-08-28 21:00:00  B       10.2
          2014-08-29 22:00:00  B       10.2

另一方面，预测仍在继续。所以在每个时间点，模型都会输出一个价格。现在，我尝试使用最后价格将所有内容重新采样到 60 秒间隔并采用 SMAPE 度量，因为价格总是大于 1。我不喜欢结果，因为与不那么频繁的时间序列相比，往往会得到不好的结果更频繁的时间序列。也许有一个很好的方法来处理它。特别是如果误差测量可以考虑到如果时间序列更不规则，测量应该更宽松。

我很感谢任何想法或提示。