Aan de slagBegin gratis

Mean absolute error

Natuurlijk wil je, vóórdat je het model gebruikt om te voorspellen, weten hoe nauwkeurig je voorspellingen zijn. De mean absolute error (MAE) is een goede maat hiervoor. Dit is het gemiddelde verschil tussen je voorspellingen en de werkelijke waarden.

In deze oefening bereken je de MAE voor een ARMA(1,1)-model dat is gefit op de aardbevingen-tijdreeks

numpy is als np in je omgeving geïmporteerd en de aardbevingen-tijdreeks is beschikbaar als earthquake.

Deze oefening maakt deel uit van de cursus

ARIMA-modellen in Python

Bekijk cursus

Oefeninstructies

  • Gebruik np-functies om de Mean Absolute Error (MAE) te berekenen van het attribuut .resid van het results-object.
  • Print de MAE.
  • Gebruik de .plot()-methode van de DataFrame zonder argumenten om de earthquake-tijdreeks te plotten.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Fit model
model = ARIMA(earthquake, order=(1,0,1))
results = model.fit()

# Calculate the mean absolute error from residuals
mae = ____

# Print mean absolute error
print(____)

# Make plot of time series for comparison
____
plt.show()
Code bewerken en uitvoeren