Mean Absolute Scaled Error (MASE)
Mean Absolute Scaled Error (MASE) on on mittariluku, joka mittaa ennustustarkkuutta suhteessa yksinkertaiseen vertailukohtaan (naiivi ennuste) ja on skaalasta riippumaton. Hyndmanin ja Koehlerin (2006) esittelemä MASE vertaa suoraan mallin suorituskykyä vertailumenetelmään, voittaen MAPE:n ja muiden prosenttipohjaisten mittareiden rajoitukset.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/fi/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.
- Keskimääräinen absoluuttinen virhe (MAE)Mallien arviointi↔ compare
- Keskimääräinen absoluuttinen prosentuaalinen virhe (MAPE)Mallien arviointi↔ compare
- Neliöjuurikeskivirhe (RMSE)Mallien arviointi↔ compare
- Symmetric MAPE (sMAPE)Mallien arviointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →