Qu'est-ce que l'erreur absolue moyenne normalisée (MASE) ?
sobes.tech IA
Réponse de l'IA
L’erreur absolue moyenne échelonnée (MASE) est une métrique pour évaluer la précision des prévisions de séries temporelles. Elle mesure l’erreur absolue moyenne de la prévision, mise à l’échelle en fonction de l’erreur d’une prévision naïve (par exemple, une prévision qui répète simplement les valeurs précédentes).
La formule de la MASE est la suivante :
[ MASE = \frac{\frac{1}{n} \sum_{t=1}^n |y_t - \hat{y}t|}{\frac{1}{n-1} \sum{t=2}^n |y_t - y_{t-1}|} ]
où :
- (y_t) est la valeur réelle au moment (t)
- (\hat{y}_t) est la valeur prévue
- numérateur — erreur absolue moyenne de la prévision
- dénominateur — erreur absolue moyenne de la prévision naïve (la différence entre observations consécutives)
La MASE est utile car elle est mise à l’échelle et permet de comparer la qualité des prévisions sur différentes séries temporelles, même si elles ont des échelles ou des saisonnalités différentes. Une valeur de MASE inférieure à 1 indique que le modèle prévoit mieux que la prévision naïve.