1. 学ぶ
    2. /
  2. コース
    3. /
  3. Rで学ぶTree-Based ModelsによるMachine Learning
Connected

演習

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。

指示

100 XP
  • 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。