Bắt đầu ngayBắt đầu miễn phí

Sai lệch lớn, phạt nặng hơn

Mọi sai số đều là sai, nhưng không phải sai số nào cũng tệ như nhau. Đôi khi những sai số dự đoán lớn gây hại nhiều hơn không tương xứng so với sai số nhỏ.

Sai lệch lớn, phạt nặng hơn — đó là một đặc điểm của root mean squared error (RMSE). Nó bình phương các sai số lớn, khiến các ngoại lệ này bị “trừng phạt” nặng hơn so với sai số nhỏ.

RMSE có thể được tính bằng công thức sau, trong đó squared_diff thứ \(i\) là bình phương của sai số thứ \(i\).

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

Trong bài này, bạn sẽ tính RMSE cho các dự đoán của mình.

Trong môi trường làm việc của bạn có sẵn kết quả từ bài trước, test_enriched, dữ liệu kiểm thử với cột mới .pred, tức các dự đoán out-of-sample của mô hình.

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

  • Tính chênh lệch theo từng phần tử giữa dự đoán và điểm cuối kỳ, bình phương chúng và lưu thành squared_diffs.
  • Dùng công thức ở trên để tính RMSE và lưu là rmse_manual.
  • Dùng hàm rmse() để tính sai số và lưu là rmse_auto.
  • In rmse_manual và rmse_auto để kiểm tra chúng giống nhau.

Bài tập tương tác thực hành trực tiếp

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

# 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
___
___
Chỉnh sửa và Chạy Mã