Kom igångKom igång gratis

Större fel, hårdare straff

Alla fel är fel, men inte alla är lika allvarliga. Ibland är stora förutsägelsefel oproportionerligt mycket mer skadliga än små fel.

Större fel, hårdare straff – det är en av egenskaperna hos medelkvadratrotfelet, eller RMSE. Det kvadrerar stora fel, vilket straffar dessa extremvärden hårdare än mindre fel.

RMSE kan beräknas med följande formel, där det \(i\):te squared_diff är kvadraten av det \(i\):te felet.

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

I den här övningen beräknar du RMSE för dina förutsägelser.

Tillgängligt i din arbetsmiljö finns resultatet från föregående övning, test_enriched – testdata med en ny kolumn .pred som innehåller modellens förutsägelser på osedd data.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i R

Visa kurs

Övningsinstruktioner

  • Beräkna de komponentvisa differenserna mellan förutsägelserna och de faktiska slutbetygen, kvadrera dem och spara resultatet som squared_diffs.
  • Använd formeln ovan för att beräkna RMSE och spara det som rmse_manual.
  • Använd funktionen rmse() för att beräkna felet och spara det som rmse_auto.
  • Skriv ut rmse_manual och rmse_auto för att verifiera att de är identiska.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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
___
___
Redigera och kör kod