平均绝对比例误差(MASE)的解释
平均绝对比例误差(MASE)是对预测准确性的一种度量,由 Koehler&Hyndman(2006)。 MASE=MAEMAEin−sample,naiveMASE=MAEMAEin−sample,naiveMASE=\frac{MAE}{MAE_{in-sample, \, naive}} 其中是实际预测产生的平均绝对误差; 而M A E i n − s a m p lMAEMAEMAE是天真预测产生的平均绝对误差(例如,积分I(1MAEin−sample,naiveMAEin−sample,naiveMAE_{in-sample, \, naive}样本内数据计算出)时间序列。I(1)I(1)I(1) (查看 Koehler&Hyndman(2006)的文章以获取精确的定义和公式。) 意味着实际的预测确实恶化了样品的比幼稚预测样品一样,在平均绝对误差的条款。因此,如果平均绝对误差是预测准确性的相关度量(取决于当前的问题),则 M A S E > 1MASE>1MASE>1MASE>1MASE>1MASE>1MASE>1表示,如果我们期望超出预期范围,则应放弃实际预测,而采用幼稚的预测样本数据非常类似于样本中的数据(因为我们只知道样本中的幼稚预测执行得很好,而不是样本外)。 题: 作为在此提出一个预测竞争的标杆Hyndsight博客文章。一个明显的基准应该不是 M A S E =MASE=1.38MASE=1.38MASE=1.38吗?MASE=1MASE=1MASE=1 当然,这个问题并不特定于特定的预测竞赛。我希望在更一般的背景下帮助您理解这一点。 我猜: 我看到的唯一合理的解释是,由于结构的变化,天真的预测在样本外的表现要比样本中的表现差得多。然后可能已经太具有挑战性的实现。MASE<1MASE<1MASE<1 参考文献: Hyndman,Rob J.和Anne B. Koehler。“ 另一种方法是对预测准确性的度量。 ”国际预测杂志》 22.4(2006年):679-688。 Hyndsight博客文章。