1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Machine Learning với Mô hình Dựa trên Cây trong R
Connected

Bài tập

Hiệu năng trong mẫu

Điều rất quan trọng là biết mô hình hồi quy của bạn có hữu ích hay không. Một mô hình hữu ích có thể là mô hình nắm bắt tốt cấu trúc của tập huấn luyện. Một cách để đánh giá hiệu năng trong mẫu là dự đoán trên dữ liệu huấn luyện và tính sai số tuyệt đối trung bình của tất cả các điểm dữ liệu được dự đoán.

Trong bài tập này, bạn sẽ đánh giá các dự đoán trong mẫu bằng MAE (mean absolute error — sai số tuyệt đối trung bình). MAE cho bạn biết xấp xỉ mức độ chênh lệch giữa dự đoán và giá trị thực.

MAE được tính theo công thức sau, trong đó \(n\) là số lượng dự đoán đã thực hiện:

$$MAE = \frac{1}{n} \cdot \sum_{i=1}^n \text{giá trị tuyệt đối của sai số thứ }i$$

Trong workspace của bạn có sẵn model, cây hồi quy mà bạn đã xây dựng ở các bài tập trước.

Hướng dẫn

100 XP
  • Tạo in_sample_predictions bằng cách dùng model để dự đoán trên tibble chocolate_train.
  • Tính một vector abs_diffs chứa các chênh lệch tuyệt đối giữa dự đoán trong mẫu và điểm số thực.
  • Tính sai số tuyệt đối trung bình theo công thức ở trên.