Mittlerer absoluter skalierter Fehler (MASE)
Der Mittlere absolute skalierte Fehler (MASE) ist eine skalenunabhängige Metrik, die die Vorhersagegenauigkeit relativ zu einer einfachen Basislinie (naiver Prognose) misst. Eingeführt von Hyndman und Koehler (2006), vergleicht MASE direkt die Modellleistung mit einer Referenzmethode und überwindet die Einschränkungen von MAPE und anderen prozentbasierten Metriken.
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
- 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 ↗
- Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). Melbourne, Australia: OTexts. link ↗
- Wang, X., & Petropoulos, F. (2016). To select or to combine? Forecasting from a thousand models. International Journal of Forecasting, 32(3), 594-606. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/de/model-evaluation/mean-absolute-scaled-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 prozentualer Fehler (MAPE)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 →