Средняя абсолютная масштабированная ошибка (MASE)
Средняя абсолютная масштабированная ошибка (MASE) — это независимая от масштаба метрика, измеряющая точность прогноза относительно простого базового уровня (наивного прогноза). Представленная Hyndman и Koehler (2006), MASE напрямую сравнивает производительность модели с эталонным методом, преодолевая ограничения MAPE и других метрик, основанных на процентах.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/ru/model-evaluation/mean-absolute-scaled-error
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Средняя абсолютная ошибка (MAE)Оценка моделей↔ сравнить
- Средняя абсолютная процентная ошибка (MAPE)Оценка моделей↔ сравнить
- Среднеквадратичная ошибка (RMSE)Оценка моделей↔ сравнить
- Симметричная MAPE (sMAPE)Оценка моделей↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →