始める無料で始める

平均二乗誤差

2017年のNBA予測にもう一度注目しましょう。毎年、予想をはるかに上回って勝利数を伸ばすチームが少なくとも数チームあります。MAE（平均絶対誤差）を使うと、MSE（平均二乗誤差）ほど大きな外れ予測の影響が反映されません。大きな誤差を二乗することで、精度はより悪く見える（=誤差が強調される）ようになります。

この例では、NBAの経営陣がチームの勝利数をより正確に予測したいと考えています。平均二乗誤差を用いて予測誤差を計算しましょう。実際の勝利数は y_test、予測値は predictions として読み込まれています。

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

  • MSE を手計算で求めてください。 $$ MSE = \frac{\sum_{i=1}^{n} (y_i - \hat{y}_i ) ^2 }{n} $$
  • sklearn を使って MSE を計算してください。

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 ____

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))
コードを編集して実行