Questions tagged «mase»

我正在使用插入符号在数据集上运行交叉验证的随机森林。Y变量是一个因素。我的数据集中没有NaN，Inf或NA。但是，当运行随机森林时，我得到 Error in randomForest.default(m, y, ...) : NA/NaN/Inf in foreign function call (arg 1) In addition: There were 28 warnings (use warnings() to see them) Warning messages: 1: In data.matrix(x) : NAs introduced by coercion 2: In data.matrix(x) : NAs introduced by coercion 3: In data.matrix(x) : NAs introduced by …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

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 &gt; 1MASE&gt;1MASE&gt;1MASE>1MASE&gt;1MASE&gt;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&lt;1MASE&lt;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。

22 time-series  forecasting  accuracy  mase