शुरू करेंमुफ़्त में शुरू करें

Mean squared error

आइए 2017 NBA की भविष्यवाणियों पर फिर से ध्यान दें. हर साल कुछ NBA टीमें अपेक्षा से काफी ज्यादा मैच जीतती हैं. अगर आप MAE इस्तेमाल करते हैं, तो यह एक्यूरेसी मेट्रिक खराब प्रेडिक्शंस के बड़े एरर्स को उतना नहीं दर्शाती जितना MSE करता है. बड़े एरर्स का वर्ग करने से एक्यूरेसी और खराब दिखेगी.

इस उदाहरण में, NBA के एक्जीक्यूटिव्स टीम की जीतों की बेहतर भविष्यवाणी करना चाहते हैं. आप prediction error निकालने के लिए mean squared error का उपयोग करेंगे. वास्तविक जीतें y_test में और प्रेडिक्शंस predictions में लोड हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Model Validation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • MSE को मैन्युअली कैलकुलेट करें. $$ MSE = \frac{\sum_{i=1}^{n} (y_i - \hat{y}_i ) ^2 }{n} $$
  • sklearn का उपयोग करके MSE कैलकुलेट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

from sklearn.metrics import ____

n = ___(predictions)
# Finish the manual calculation of the MSE
mse_one = sum((y_test - predictions)____) / n
print('With a manual calculation, the error is {}'.format(mse_one))

# Use the scikit-learn function to calculate MSE
mse_two = ____
print('Using scikit-learn, the error is {}'.format(mse_two))
कोड संपादित करें और चलाएँ