Średni Bezwzględny Skalowany Błąd (MASE)
Średni Bezwzględny Skalowany Błąd (MASE) to niezależna od skali metryka mierząca dokładność prognozy w stosunku do prostego punktu odniesienia (prognozy naiwnej). Wprowadzony przez Hyndmana i Koehlera (2006), MASE bezpośrednio porównuje wydajność modelu z metodą referencyjną, przezwyciężając ograniczenia MAPE i innych metryk procentowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/pl/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.
- Średni Błąd Bezwzględny (MAE)Ocena modeli↔ compare
- Średni bezwzględny błąd procentowy (MAPE)Ocena modeli↔ compare
- Pierwiastek średniokwadratowy błędu (RMSE)Ocena modeli↔ compare
- Symetryczna MAPE (sMAPE)Ocena modeli↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →