İstatistik Sözlüğü → Tahmin hata ölçütleri (RMSE, MAE, MAPE, MASE)
Tahmin hata ölçütleri (RMSE, MAE, MAPE, MASE)kavram
Bir modelin tahminlerinin gerçek değerlerden ne kadar saptığını özetleyen ölçüler.
MAE (ortalama mutlak hata), hataların mutlak değerlerinin ortalamasıdır ve verinin biriminde, kolay yorumlanır. RMSE (hata kareleri ortalamasının karekökü), büyük hataları karesini aldığı için daha ağır cezalandırır; her zaman MAE'ye eşit ya da ondan büyüktür ve aradaki fark, hataların ne kadar düzensiz dağıldığını gösterir. MSE, RMSE'nin karesidir.
MAPE (ortalama mutlak yüzde hata) hatayı gerçek değerin yüzdesi olarak verir ve farklı ölçekteki serileri karşılaştırmaya yarar; ancak gerçek değer sıfır ya da sıfıra yakınsa tanımsızlaşır ya da patlar ve aşırı tahminle eksik tahmini eşit cezalandırmaz. MASE, tahminin MAE'sini basit (gerekirse mevsimsel) naif tahminin örneklem içi MAE'sine böler (Hyndman ve Koehler); 1'in altındaki değer modelin naif tahminden daha iyi olduğunu gösterir. Ölçütler eğitim verisi yerine test verisinde ya da çapraz geçerlemede hesaplanmalıdır.
Gündelik bir örnek
Bir fırının günlük ekmek satışları için hazırlanan tahminler 5 günde 2, 3, 1, 4 ve 15 adet şaşıyor. MAE = 5 adettir; RMSE ise yaklaşık 7,1 adettir, çünkü 15 adetlik tek büyük hata kareyle ağırlık kazanır. Fırıncı için ara sıra çok büyük yanılmalar önemliyse RMSE'ye bakmak daha anlamlıdır.
MerQur'da
Ridge Regresyonda 'Ek çıktı: CV performansı' (MSE, RMSE, MAE, R²_CV) ve Lasso Regresyonda aynı çıktı (MSE, R²_CV); ARIMA Tahminde 'Geçerleme kümesi (son k gözlem)' ile test doğruluğu (RMSE, MAPE, MASE). Düzenlileştirilmiş regresyonda RMSE(CV), kısmi en küçük karelerde RMSECV, k-en yakın komşu regresyonunda RMSE ve MAE, Variogram + Kriging'de birini dışarıda bırak çapraz geçerlemesiyle ME, MAE ve RMSE raporlanır.
Bu kavramın geçtiği analizler
Ridge RegresyonLasso RegresyonDüzenlileştirilmiş RegresyonKısmi En Küçük Kareler RegresyonuYol AnaliziARIMA Tahmink-En Yakın KomşuVariogram + Kriging