मीन पूर्ण निरपेक्ष त्रुटि (MASE) कोहलर और हयंडमैन (2006) द्वारा प्रस्तावित पूर्वानुमान सटीकता का एक उपाय है ।
जहां वास्तविक पूर्वानुमान द्वारा उत्पादित औसत निरपेक्ष त्रुटि है;
जबकि एक भोले पूर्वानुमान (जैसे एकीकृत टाइम सीरीज़ के लिए कोई परिवर्तन नहीं पूर्वानुमान ), इन-सैंपल डेटा पर गणना की गई पूर्ण निरपेक्ष त्रुटि है ।M A E i n - s a m p l e ,
मैं(1)
( सटीक परिभाषा और सूत्र के लिए कोहेलर एंड हंडमैन (2006) के पेपर देखें।)
अर्थ है कि वास्तविक पूर्वानुमान नमूना से बाहर खराब हो जाता है, मतलब पूर्ण त्रुटि के मामले में नमूना में किए गए एक भोले पूर्वानुमान की तुलना में। इस प्रकार यदि पूर्ण त्रुटि पूर्वानुमान सटीकता का प्रासंगिक माप है (जो हाथ में समस्या पर निर्भर करता है), बताता है कि यदि हम आउट-ऑफ-सैंपल डेटा की अपेक्षा करते हैं तो वास्तविक पूर्वानुमान एक भोले पूर्वानुमान के पक्ष में छोड़ दिया जाना चाहिए। इन-सैंपल डेटा के समान हो (क्योंकि हम केवल यह जानते हैं कि नमूने में कितना अच्छा पूर्वानुमान लगा है, नमूना से बाहर नहीं)।
सवाल:
एम ए एस ई = 1इस Hyndsight ब्लॉग पोस्ट में प्रस्तावित एक पूर्वानुमान प्रतियोगिता में को एक बेंचमार्क के रूप में इस्तेमाल किया गया था । क्या एक स्पष्ट बेंचमार्क नहीं होना चाहिए था ?
बेशक, यह सवाल विशेष पूर्वानुमान प्रतियोगिता के लिए विशिष्ट नहीं है। मैं इसे अधिक सामान्य संदर्भ में समझने में कुछ मदद चाहूंगा।
मेरा अनुमान:
एकमात्र समझदार व्याख्या जो मैं देख रहा हूं कि एक भोले पूर्वानुमान से नमूना के मुकाबले काफी खराब होने की उम्मीद की गई थी, जैसे कि एक संरचनात्मक परिवर्तन के कारण। तब प्राप्त करने के लिए बहुत चुनौतीपूर्ण हो सकता है।
संदर्भ:
- हयंडमैन, रॉब जे।, और ऐनी बी। कोहलर। " पूर्वानुमान सटीकता के उपायों पर एक और नज़र। " पूर्वानुमान की अंतर्राष्ट्रीय पत्रिका 22.4 (2006): 679-688।
- Hyndsight ब्लॉग पोस्ट ।