Mean Absolute Scaled Error (MASE)
Mean Absolute Scaled Error är ett skaloberoende mått som mäter prediktionsnoggrannhet i förhållande till en enkel baslinje (naiv prognos). MASE, som introducerades av Hyndman och Koehler (2006), jämför direkt modellprestanda med en referensmetod och övervinner begränsningar hos MAPE och andra procentbaserade mått.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Mean Absolute Scaled Error. ScholarGate. https://scholargate.app/sv/model-evaluation/mean-absolute-scaled-error
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Medelabsolutfelet (MAE)Modellutvärdering↔ jämför
- Medelabsolut procentfel (MAPE)Modellutvärdering↔ jämför
- Rotmedelkvadratfel (RMSE)Modellutvärdering↔ jämför
- Symmetrisk MAPE (sMAPE)Modellutvärdering↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →