1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Machine Learning with Tree-Based Models in R
Connected

Cvičení

Výkon na trénovacích datech

Je důležité vědět, jestli je tvůj regresní model užitečný. Dobrý model dokáže dobře zachytit strukturu trénovací sady. Jedním ze způsobů, jak hodnotit tento in-sample výkon, je predikovat na trénovacích datech a spočítat střední absolutní chybu všech předpovědí.

V tomto cvičení vyhodnotíš své in-sample předpovědi pomocí MAE (střední absolutní chyby). MAE ti říká, jak daleko jsou předpovědi od skutečných hodnot v průměru.

Počítá se podle následujícího vzorce, kde \(n\) je počet provedených předpovědí:

$$MAE = \frac{1}{n} \cdot \sum_{i=1}^n \text{absolutní hodnota }i\text{. chyby}$$

V pracovním prostředí máš k dispozici svůj model — regresní strom sestavený v předchozích cvičeních.

Pokyny

100 XP
  • Vytvoř in_sample_predictions tak, že použiješ model k predikci na tibble chocolate_train.
  • Vypočítej vektor abs_diffs obsahující absolutní rozdíly mezi in-sample předpověďmi a skutečnými hodnotami.
  • Vypočítej střední absolutní chybu podle výše uvedeného vzorce.