Začněte nyníZačněte zdarma

Střední absolutní chyba

Komunikovat výsledky modelů není vždy snadné. Většina klientů ale snadno pochopí, že model se průměrně mýlil o určitou hodnotu. To dělá ze střední absolutní chyby (MAE) jeden z nejsrozumitelnějších metrik. Například při předpovídání počtu výher basketbalového týmu: pokud predikuješ 42 a tým vyhraje 40 zápasů, chyba jsou jednoduše dvě výhry.

V tomto cvičení procházíš pohovorem na novou pozici a dostaneš dvě pole. y_test obsahuje skutečný počet výher všech 30 týmů NBA v roce 2017 a predictions obsahuje předpověď pro každý tým. Jako ověření tvých znalostí máš za úkol MAE vypočítat ručně i pomocí sklearn.

Toto cvičení je součástí kurzu

Validace modelů v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Ručně vypočítej MAE, kde n je počet předpovídaných pozorování.
  • Vypočítej MAE pomocí sklearn.
  • Vypiš obě hodnoty přesnosti pomocí připravených příkazů print.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

from sklearn.metrics import mean_absolute_error

# Manually calculate the MAE
n = ____(predictions)
mae_one = sum(____(y_test - predictions)) / n
print('With a manual calculation, the error is {}'.format(____))

# Use scikit-learn to calculate the MAE
mae_two = ____(____, ____)
print('Using scikit-learn, the error is {}'.format(____))
Upravit a spustit kód