ÎncepețiÎncepe gratuit

Erori mai mari, penalizare mai mare

Toate erorile sunt nedorite, dar nu toate sunt la fel de grave. Uneori, erorile mari de predicție sunt disproporționat mai dăunătoare decât cele mici.

Erori mai mari, penalizare mai mare – aceasta este una dintre caracteristicile rădăcinii erorii pătratice medii, sau RMSE. Aceasta ridică la pătrat erorile mari, penalizând valorile extreme mai sever decât erorile mici.

RMSE poate fi calculat folosind formula de mai jos, unde al \(i\)-lea squared_diff reprezintă pătratul celei de-a \(i\)-a erori.

$$RMSE = \sqrt{\frac{1}{n} \cdot \sum_{i=1} ^n i\text{th squared_diff}}$$

În acest exercițiu, vei calcula RMSE-ul predicțiilor tale.

În spațiul de lucru ai disponibil rezultatul exercițiului anterior, test_enriched – datele de testare cu o coloană nouă, .pred, care conține predicțiile out-of-sample ale modelului.

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează diferențele element cu element dintre predicții și notele finale, ridică-le la pătrat și salvează rezultatul ca squared_diffs.
  • Folosește formula de mai sus pentru a calcula RMSE și salvează valoarea ca rmse_manual.
  • Folosește funcția rmse() pentru a calcula eroarea și salvează rezultatul ca rmse_auto.
  • Afișează rmse_manual și rmse_auto pentru a verifica că sunt identice.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Calculate the squared differences
squared_diffs <- (___ - ___)^___

# Compute the RMSE using the formula
rmse_manual <- ___(1 / ___ * ___)

# Compute the RMSE using a function
rmse_auto <- ___(___,
                 ___,
                 ___)

# Print both errors
___
___
Editează și rulează codul