Erro Absoluto Médio Escalado (MASE)
O Erro Absoluto Médio Escalado (MASE) é uma métrica independente de escala que mede a acurácia da predição em relação a um *baseline* simples (previsão ingênua). Introduzido por Hyndman e Koehler (2006), o MASE compara diretamente o desempenho do modelo a um método de referência, superando as limitações do MAPE e outras métricas baseadas em porcentagem.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/pt/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.
- Erro Médio Absoluto (MAE)Avaliação de modelos↔ compare
- Erro Percentual Absoluto Médio (MAPE)Avaliação de modelos↔ compare
- Erro Quadrático Médio da Raiz (RMSE)Avaliação de modelos↔ compare
- MAPE Simétrico (sMAPE)Avaliação de modelos↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →