voorspellingsprecisie

Voorspellingsprecisie is een begrip uit statistiek en datawetenschap dat de mate aangeeft waarin voorspellingen overeenkomen met wat zich uiteindelijk voordoet. Het beschrijft hoe nauw een model zijn voorspellingen kan leveren ten opzichte van de werkelijke uitkomsten, vaak uitgedrukt in termen van fout of onzekerheid.

Er bestaan twee hoofdvormen van voorspellingsprecisie: puntvoorspellingen en probabilistische voorspellingen. Bij puntvoorspellingen meet men de afwijking tussen de voorspelde waarde en de waarneming, vaak uitgedrukt via foutenormen zoals de absolute fout of de wortelgemiddelde kwadratische fout. Bij probabilistische voorspellingen ligt de nadruk op de kwaliteit van de hele voorspelde verdeling, bijvoorbeeld calibratie en scherpte, en op foutscores als Brier-score of de continue gerangschikte probabiliteitsscore (CRPS).

Veelgebruikte metriek voor puntvoorspellingen zijn onder andere de mean absolute error (MAE), de root mean squared error (RMSE) en de mean absolute percentage error (MAPE). Voor probabilistische voorspellingen worden onder meer calibratiegraad, betrouwbaarheidsdiagrammen, Brier-score en CRPS gehanteerd. Daarnaast zijn de dekking van kansintervallen en de spreiding van de voorspelde verdeling relevante indicatoren van precie.

Factoren die voorspellingsprecisie beïnvloeden, zijn onder meer de kwaliteit en hoeveelheid data, modelcomplexiteit, (on)juistheid van aannames, temporele afhankelijkheid, meetonzekerheid en veranderende omstandigheden. Een hoge voorspellingsprecisie vereist vaak een goede afstemming tussen model en context, evenals grondige evaluatie tegen passende baselines.

Zie ook: voorspellingsmodellering, nauwkeurigheid van voorspellingen, calibratie.