Zacznij terazZacznij za darmo

Średni błąd bezwzględny

Komunikowanie wyników modelu bywa trudne. Jednak większość odbiorców rozumie, że model predykcyjny myli się przeciętnie o pewną wartość. Dlatego wyjaśnienie średniego błędu bezwzględnego (MAE) jest stosunkowo proste. Na przykład: jeśli przewidujesz, że drużyna koszykówki zdobędzie 42 zwycięstwa, a zdobędzie ich 40, możesz łatwo powiedzieć, że błąd wyniósł dwa zwycięstwa.

W tym ćwiczeniu bierzesz udział w rozmowie kwalifikacyjnej i otrzymujesz dwie tablice: y_test – rzeczywistą liczbę zwycięstw wszystkich 30 drużyn NBA w 2017 roku, oraz predictions – zawierającą predykcję dla każdej z drużyn. Aby sprawdzić swoją wiedzę, masz obliczyć MAE ręcznie oraz przy użyciu sklearn.

To ćwiczenie jest częścią kursu

Walidacja modeli w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Oblicz ręcznie MAE, używając n jako liczby przewidywanych obserwacji.
  • Oblicz MAE za pomocą sklearn.
  • Wydrukuj obie wartości dokładności, korzystając z gotowych instrukcji print.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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(____))
Edytuj i uruchom kod