MCDMScaled error metric

Erreur Absolue Moyenne Normalisée (MASE)

L'Erreur Absolue Moyenne Normalisée (MASE) est une métrique indépendante de l'échelle qui mesure la précision des prévisions par rapport à une référence simple (prévision naïve). Introduite par Hyndman et Koehler (2006), la MASE compare directement la performance du modèle à une méthode de référence, surmontant les limites de la MAPE et d'autres métriques basées sur des pourcentages.

Ouvrir dans MethodMindBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Erreur Absolue Moyenne Normalisée (MASE)

Erreur Absolue Moyenne (…Erreur Absolue Moyenne e…Erreur quadratique moyen…MAPE symétrique (sMAPE)

Sources

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 ↗

Comment citer cette page

ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/fr/model-evaluation/mean-absolute-scaled-error

Quelle méthode ?

Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.