خطای میانگین مطلق مقیاسشده (MASE)
خطای میانگین مطلق مقیاسشده (MASE) معیاری مستقل از مقیاس است که دقت پیشبینی را نسبت به یک خط پایه ساده (پیشبینی سادهانگارانه) اندازهگیری میکند. MASE که توسط Hyndman و Koehler (2006) معرفی شد، مستقیماً عملکرد مدل را با یک روش مرجع مقایسه میکند و بر محدودیتهای MAPE و سایر معیارهای مبتنی بر درصد غلبه میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/fa/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.
- میانگین خطای مطلق (MAE)ارزیابی مدل↔ compare
- خطای مطلق میانگین درصدی (MAPE)ارزیابی مدل↔ compare
- خطای میانگین مربعات ریشهای (RMSE)ارزیابی مدل↔ compare
- MAPE متقارن (sMAPE)ارزیابی مدل↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →