Bắt đầu ngayBắt đầu miễn phí

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.

Bài tập này là một phần của khóa học

Machine Learning với Mô hình Dựa trên Cây trong R

Xem khóa học

Hướng dẫn bài tập

  • 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.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

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

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

# Calculate the mean absolute error
1 / ___ * ___
Chỉnh sửa và Chạy Mã