始める無料で始める

平均絶対誤差

モデルの結果を伝えるのは難しいことがありますが、多くのクライアントは「平均すると予測モデルは何点ぶん外れたか」を理解しやすいです。つまり、平均絶対誤差（MAE）は説明がしやすい指標です。たとえば、バスケットボールチームの勝利数を予測するとき、42勝と予測して実際は40勝だったなら、誤差は2勝だと簡単に説明できます。

この演習では、新しいポジションの面接で、2つの配列が与えられています。y_test は2017年の全30NBAチームの実際の勝利数、predictions は各チームの予測値です。理解度を確認するために、MAE を手計算し、さらに sklearn でも計算することが求められています。

この演習はコースの一部です

Python によるモデル検証

コースを見る

演習の手順

  • 予測した観測数を n として、MAE を手計算してください。
  • sklearn を使って MAE を計算してください。
  • 両方の精度値を print 文で出力してください。

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。

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(____))
コードを編集して実行