Mean Absolute Scaled Error (MASE)
Il Mean Absolute Scaled Error (MASE) è una metrica indipendente dalla scala che misura l'accuratezza delle previsioni rispetto a un semplice modello di riferimento (previsione ingenua). Introdotto da Hyndman e Koehler (2006), il MASE confronta direttamente le prestazioni del modello con un metodo di riferimento, superando i limiti del MAPE e di altre metriche basate su percentuali.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/it/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.
- Errore Assoluto Medio (MAE)Valutazione dei modelli↔ compare
- Errore Percentuale Assoluto Medio (MAPE)Valutazione dei modelli↔ compare
- Errore quadratico medio (RMSE)Valutazione dei modelli↔ compare
- MAPE Simmetrico (sMAPE)Valutazione dei modelli↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →