Prosječna apsolutna skalirana greška (MASE)
Prosječna apsolutna skalirana greška (MASE) je metrika nezavisna o skali koja meri tačnost predviđanja u odnosu na jednostavnu osnovnu liniju (naivno predviđanje). Uvedena od strane Hyndmana i Koehlera (2006), MASE direktno upoređuje performanse modela sa referentnom metodom, prevazilazeći ograničenja MAPE-a i drugih metrika zasnovanih na procentima.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/sr/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.
- Srednja apsolutna greška (MAE)Evaluacija modela↔ compare
- Srednja apsolutna procentualna greška (MAPE)Evaluacija modela↔ compare
- Srednja kvadratna greška (RMSE)Evaluacija modela↔ compare
- Simetrična MAPE (sMAPE)Evaluacija modela↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →