ÎncepețiÎncepe gratuit

Performanța pe datele de antrenament

Este foarte important să știi dacă modelul tău de regresie este util sau nu. Un model util este unul care surprinde bine structura setului de antrenament. O modalitate de a evalua această performanță pe datele de antrenament este să faci predicții pe datele de antrenament și să calculezi eroarea medie absolută pentru toate punctele de date prezise.

În acest exercițiu, vei evalua predicțiile tale pe datele de antrenament folosind MAE (eroarea medie absolută). MAE îți arată cât de departe sunt, în medie, predicțiile față de valorile reale.

Se calculează folosind formula de mai jos, unde \(n\) este numărul de predicții efectuate:

$$MAE = \frac{1}{n} \cdot \sum_{i=1}^n \text{valoarea absolută a erorii }i$$

În spațiul tău de lucru este disponibil model, arborele de regresie pe care l-ai construit în exercițiile anterioare.

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează in_sample_predictions folosind model pentru a face predicții pe tibble-ul chocolate_train.
  • Calculează un vector abs_diffs care conține diferențele absolute dintre predicțiile pe datele de antrenament și notele reale.
  • Calculează eroarea medie absolută conform formulei de mai sus.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Predict using the training set
in_sample_predictions <- predict(model,
                                 ___)

# Calculate the vector of absolute differences
abs_diffs <- ___(__$___ - ___$___)

# Calculate the mean absolute error
1 / ___ * ___
Editează și rulează codul