Začněte nyníZačněte zdarma

Větší chyba, větší trest

Každá chyba je špatná, ale ne všechny jsou stejně závažné. Velké chyby v předpovědích mohou být neúměrně škodlivější než ty malé.

Větší chyba, větší trest – to je jedna z vlastností střední kvadratické chyby, neboli RMSE. Velké chyby umocňuje na druhou, čímž tyto odlehlé hodnoty penalizuje přísněji než chyby malé.

RMSE se počítá podle následujícího vzorce, kde \(i\)-tý squared_diff je druhá mocnina \(i\)-té chyby.

$$RMSE = \sqrt{\frac{1}{n} \cdot \sum_{i=1} ^n i\text{th squared_diff}}$$

V tomto cvičení vypočítáš RMSE svých předpovědí.

V prostředí máš k dispozici výsledek předchozího cvičení, test_enriched – testovací data s novým sloupcem .pred, který obsahuje předpovědi modelu na nových datech.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in R

Zobrazit kurz

Pokyny k cvičení

  • Vypočítej rozdíly předpovědí a skutečných výsledků po jednotlivých složkách, umocni je na druhou a výsledek ulož jako squared_diffs.
  • Pomocí výše uvedeného vzorce vypočítej RMSE a ulož ji jako rmse_manual.
  • Pomocí funkce rmse() vypočítej chybu a ulož ji jako rmse_auto.
  • Vypiš rmse_manual a rmse_auto a ověř, že jsou stejné.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate the squared differences
squared_diffs <- (___ - ___)^___

# Compute the RMSE using the formula
rmse_manual <- ___(1 / ___ * ___)

# Compute the RMSE using a function
rmse_auto <- ___(___,
                 ___,
                 ___)

# Print both errors
___
___
Upravit a spustit kód