PRE-Masse sind Masszahlen, die direkt angeben, um wieviel sich die Vorhersagegenauigkeit erhöht, nachdem man ein Modell auf ein Datenmaterial angewendet hat, oder nachdem man ein bestehendes Modell verfeinert hat.
PRE bedeutet "Proportional Reduction of Error" und wird besonders anschaulich am Beispiel des Bestimmtheitsmasses R2 klar:
R2 = aufgeklärte Varianz / Gesamte Varianz , oder
R2 = (Gesamte Varianz - Rest-Varianz) / Gesamte Varianz
Verallgemeinert:
PRE = (Vorhersagefehlervorher -Vorhersagefehlernacher) /Vorhersagefehlervorher
Eine Modellverfeinerung sollte nicht einfach nur aus der Hinzunahme von Variablen bestehen, sondern die Verfeinerung muss sich auch "lohnen".
Dies wird am adjustierten Bestimmtheitsmass deutlich.
Beispiele
Bestimmtheitsmass (dort wird auch das adjustierte Bestimmtheitsmass erklärt)
Kendall's Tau (Vor allem ta, auch Gamma Koeffizient genannt)