MASE hết mẫu

Question

Khi tính toán MASE, bài báo gốc đề xuất sử dụng sai số dự báo ngây thơ trong mẫu để mở rộng sai số dự báo ngoài mẫu.

Tuy nhiên, khi tôi sử dụng MAE được tạo bởi một dự báo ngây thơ về tập dữ liệu mẫu, tôi nhận được MASE tương quan nhiều hơn với hiệu suất thực tế của dự báo trong giai đoạn thử nghiệm.

Tôi hiểu rằng một hạn chế khi sử dụng MAE ngây thơ ngoài mẫu là nếu tập hợp ngoài mẫu nhỏ, thì nó không đáng tin cậy. Tuy nhiên, đây không phải là trường hợp trong ứng dụng của tôi.

Về mặt trực quan, nó có vẻ phù hợp hơn khi chia tỷ lệ sai số dự đoán với sai số dự báo ngây thơ của cùng một khoảng thời gian.

Câu hỏi của tôi:

Có nên sử dụng MAE của dữ liệu mẫu để phân chia sai số dự báo không? I E.

$$MASE=\frac{MAE}{MAE_{out-sample, \, naive}}$$

Answer 1

Bạn có thể sử dụng bất kỳ điểm chuẩn nào mà bạn cảm thấy thoải mái nhất trong mẫu số. (Một lựa chọn thường xuyên là dự báo theo mùa ngây thơ trong mẫu.) Cách tiếp cận của bạn có lợi thế là so sánh dự báo của bạn với mẫu ngoài điểm chuẩn, có lẽ phù hợp hơn so với so sánh với mẫu trong mẫu điểm chuẩn, như " bình thường "MASE không.

Bạn chỉ nên ghi chú rõ ràng mẫu số mà bạn đang sử dụng là một ý tưởng hay, để những người khác (hoặc chính bạn trong nửa năm) không bị nhầm lẫn rằng MASE "đơn giản" được tính toán của họ không khớp với cách tính của bạn.