BaşlayınÜcretsiz Başlayın

Örnek içi performans

Regresyon modelinin işe yarar olup olmadığını bilmek çok önemlidir. İşe yarar bir model, eğitim kümenin yapısını iyi yakalayan model olabilir. Bu örnek içi performansı değerlendirmenin bir yolu, eğitim verisi üzerinde tahmin yapmak ve tahmin edilen tüm noktalar için ortalama mutlak hatayı hesaplamaktır.

Bu egzersizde, örnek içi tahminlerini MAE (mean absolute error – ortalama mutlak hata) ile değerlendireceksin. MAE, tahminlerin gerçek değerlerden yaklaşık ne kadar saptığını söyler.

Aşağıdaki formülle hesaplanır; burada \(n\), yapılan tahmin sayısıdır:

$$MAE = \frac{1}{n} \cdot \sum_{i=1}^n \text{ }i\text{'inci hatanın mutlak değeri}$$

Çalışma alanında, önceki egzersizlerde oluşturduğun regresyon ağacı olan model hazır durumda.

Bu egzersiz

R ile Ağaç Tabanlı Modellerle Machine Learning

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • model ile chocolate_train tibble'ı üzerinde tahmin yaparak in_sample_predictions'ı oluştur.
  • Örnek içi tahminlerle gerçek notlar arasındaki mutlak farkları içeren abs_diffs vektörünü hesapla.
  • Yukarıdaki formüle göre ortalama mutlak hatayı hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

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

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

# Calculate the mean absolute error
1 / ___ * ___
Kodu Düzenle ve Çalıştır