Mittlerer absoluter prozentualer Fehler (MAPE)
Der Mittlere absolute prozentuale Fehler (MAPE) misst die Vorhersagegenauigkeit als Prozentsatz relativ zu den tatsächlichen Werten und drückt Fehler in Einheiten aus, die skalenunabhängig und über verschiedene Datensätze hinweg interpretierbar sind. Formalisiert von J. Scott Armstrong im Jahr 1985, wird MAPE häufig in der Prognoseerstellung, in der Lieferkette und in der Geschäftsanalytik eingesetzt, wo Ergebnisse als prozentuale Genauigkeit kommuniziert werden müssen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Armstrong, J. S. (1985). Long-range forecasting: from crystal ball to computer (2nd ed.). New York: John Wiley & Sons. ISBN: 978-0471082010
- Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679-688. DOI: 10.1016/j.ijforecast.2006.03.001 ↗
- Kim, S., & Kim, H. (2016). A new metric of absolute percentage error for intermittent demand forecasts. International Journal of Forecasting, 32(3), 669-679. DOI: 10.1016/j.ijforecast.2015.12.003 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Mean Absolute Percentage Error. ScholarGate. https://scholargate.app/de/model-evaluation/mean-absolute-percentage-error
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Mittlerer Absoluter Fehler (MAE)Modellevaluation↔ compare
- Mittlerer absoluter skalierter Fehler (MASE)Modellevaluation↔ compare
- Wurzel der Mittleren Quadratischen Fehler (RMSE)Modellevaluation↔ compare
- Symmetrischer MAPE (sMAPE)Modellevaluation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →