ÎncepețiÎncepe gratuit

Eroarea medie absolută

Comunicarea rezultatelor unui model poate fi dificilă. Totuși, cei mai mulți clienți înțeleg că, în medie, un model predictiv a greșit cu un anumit număr. Asta face ca eroarea medie absolută (MAE) să fie ușor de explicat. De exemplu, dacă prezici că o echipă de baschet va câștiga 42 de meciuri, iar ei termină sezonul cu 40, poți explica simplu că eroarea a fost de două meciuri.

În acest exercițiu, ești la un interviu pentru un nou post și primești două array-uri: y_test, care conține numărul real de victorii pentru toate cele 30 de echipe NBA în 2017, și predictions, care conține câte o predicție pentru fiecare echipă. Pentru a-ți testa înțelegerea, ești rugat să calculezi MAE atât manual, cât și folosind sklearn.

Acest exercițiu face parte din cursul

Validarea modelelor în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează manual MAE folosind n ca număr de observații prezise.
  • Calculează MAE folosind sklearn.
  • Afișează ambele valori de acuratețe folosind instrucțiunile print.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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(____))
Editează și rulează codul