インサンプル性能
回帰モデルが役に立つかどうかを把握することはとても重要です。役に立つモデルとは、学習データの構造をうまく捉えられるモデルのことです。このようなインサンプル性能を評価する1つの方法は、学習データに対して予測を行い、すべての予測点の平均絶対誤差（MAE）を計算することです。
この演習では、MAE（mean absolute error、平均絶対誤差）を使ってインサンプル予測を評価します。MAEは、予測値が真の値からどの程度離れているかを示します。
次の式で計算します。ここで、\(n\) は行った予測の数です。
$$MAE = \frac{1}{n} \cdot \sum_{i=1}^n \text{absolute value of the }i\text{th error}$$
ワークスペースには、前の演習で作成した回帰木 model が用意されています。
この演習はコースの一部です
Rで学ぶTree-Based ModelsによるMachine Learning
演習の手順
modelを使ってchocolate_trainティブルに対する予測を行い、in_sample_predictionsを作成します。- インサンプル予測と真の評価値の絶対差を含むベクトル
abs_diffsを計算します。 - 上の式に従って平均絶対誤差を計算します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Predict using the training set
in_sample_predictions <- predict(model,
___)
# Calculate the vector of absolute differences
abs_diffs <- ___(__$___ - ___$___)
# Calculate the mean absolute error
1 / ___ * ___