Gemiddelde Absolute Percentage Fout (MAPE)
Mean Absolute Percentage Error meet de nauwkeurigheid van voorspellingen als een percentage ten opzichte van de werkelijke waarden, waarbij fouten worden uitgedrukt in schaal-onafhankelijke en interpreteerbare eenheden over datasets heen. Geformaliseerd door J. Scott Armstrong in 1985, wordt MAPE veel gebruikt in forecasting, supply chain en business analytics waar resultaten als percentage nauwkeurigheid moeten worden gecommuniceerd.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Armstrong, J. S. (1985). Long-range forecasting: from crystal ball to computer (2nd ed.). New York: John Wiley & Sons. ISBN: 978-0471082010
- 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 ↗
- Kim, S., & Kim, H. (2016). A new metric of absolute percentage error for intermittent demand forecasts. International Journal of Forecasting, 32(3), 669-679. DOI: 10.1016/j.ijforecast.2015.12.003 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Mean Absolute Percentage Error. ScholarGate. https://scholargate.app/nl/model-evaluation/mean-absolute-percentage-error
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Gemiddelde Absolute Fout (MAE)Modelevaluatie↔ vergelijken
- Mean Absolute Scaled Error (MASE)Modelevaluatie↔ vergelijken
- Root Mean Squared Error (RMSE)Modelevaluatie↔ vergelijken
- Symmetrische MAPE (sMAPE)Modelevaluatie↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →