1. Learn
    2. /
  2. คอร์ส
    3. /
  3. Uczenie maszynowe z modelami drzewiastymi w R
Connected

แบบฝึกหัด

Wydajność na danych treningowych

Wiedza o tym, czy twój model regresji jest użyteczny, ma kluczowe znaczenie. Dobry model powinien dobrze odwzorowywać strukturę zbioru treningowego. Jednym ze sposobów oceny tej wydajności na danych treningowych jest prognozowanie na zbiorze treningowym i obliczenie średniego błędu bezwzględnego dla wszystkich punktów danych.

W tym ćwiczeniu ocenisz swoje prognozy na danych treningowych za pomocą MAE (średniego błędu bezwzględnego). MAE mówi ci, jak daleko średnio prognozy odbiegają od wartości rzeczywistych.

Oblicza się go według poniższego wzoru, gdzie \(n\) to liczba wykonanych prognoz:

$$MAE = \frac{1}{n} \cdot \sum_{i=1}^n \text{wartość bezwzględna }i\text{-tego błędu}$$

W twoim środowisku dostępny jest model – drzewo regresji zbudowane w poprzednich ćwiczeniach.

คำแนะนำ

100 XP
  • Utwórz in_sample_predictions, używając model do prognozowania na zbiorze danych chocolate_train.
  • Oblicz wektor abs_diffs zawierający bezwzględne różnice między prognozami na danych treningowych a rzeczywistymi ocenami.
  • Oblicz średni błąd bezwzględny zgodnie z powyższym wzorem.