Mean Absolute Scaled Error (MASE)
Mean Absolute Scaled Error is een schaalonafhankelijke metriek die de voorspellingsnauwkeurigheid meet ten opzichte van een eenvoudige baseline (naïeve voorspelling). Geïntroduceerd door Hyndman en Koehler (2006), vergelijkt MASE direct de modelprestaties met een referentiemethode, waardoor beperkingen van MAPE en andere percentage-gebaseerde metrieken worden ondervangen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/nl/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.
- Gemiddelde Absolute Fout (MAE)Modelevaluatie↔ compare
- Gemiddelde Absolute Percentage Fout (MAPE)Modelevaluatie↔ compare
- Root Mean Squared Error (RMSE)Modelevaluatie↔ compare
- Symmetrische MAPE (sMAPE)Modelevaluatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →