LoslegenKostenlos starten

Mittlerer absoluter Fehler

Bevor du ein Modell für Vorhersagen nutzt, willst du natürlich wissen, wie genau es ist. Der Mean Absolute Error (MAE, mittlerer absoluter Fehler) ist dafür eine gute Kennzahl. Er ist der durchschnittliche Unterschied zwischen deinen Vorhersagen und den wahren Werten.

In dieser Übung berechnest du den MAE für ein ARMA(1,1)-Modell, das auf die Erdbeben-Zeitreihe gefittet wurde.

numpy wurde als np importiert, und die Erdbeben-Zeitreihe steht dir als earthquake zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>ARIMA-Modelle in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Verwende np-Funktionen, um den Mean Absolute Error (MAE) des .resid-Attributs des Objekts results zu berechnen.
  • Gib den MAE aus.
  • Nutze die .plot()-Methode des DataFrame ohne Argumente, um die Zeitreihe earthquake zu plotten.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Fit model
model = ARIMA(earthquake, order=(1,0,1))
results = model.fit()

# Calculate the mean absolute error from residuals
mae = ____

# Print mean absolute error
print(____)

# Make plot of time series for comparison
____
plt.show()
Code bearbeiten und ausführen