Sai số bình phương trung bình
Hãy quay lại với bài toán dự đoán NBA năm 2017. Mỗi năm luôn có ít nhất vài đội NBA thắng nhiều hơn kỳ vọng rất nhiều. Nếu bạn dùng MAE, chỉ số độ chính xác này sẽ không phản ánh các dự đoán tệ mạnh bằng khi bạn dùng MSE. Việc bình phương các sai lệch lớn từ những dự đoán tệ sẽ khiến độ chính xác trông kém hơn.
Trong ví dụ này, các lãnh đạo NBA muốn dự đoán số trận thắng của đội chính xác hơn. Bạn sẽ dùng sai số bình phương trung bình để tính lỗi dự đoán. Số trận thắng thực tế đã được nạp vào y_test và các dự đoán vào predictions.
Bài tập này là một phần của khóa học
Xác thực Mô hình trong Python
Hướng dẫn bài tập
- Tự tính MSE theo công thức. $$ MSE = \frac{\sum_{i=1}^{n} (y_i - \hat{y}_i ) ^2 }{n} $$
- Tính MSE bằng
sklearn.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
from sklearn.metrics import ____
n = ___(predictions)
# Finish the manual calculation of the MSE
mse_one = sum((y_test - predictions)____) / n
print('With a manual calculation, the error is {}'.format(mse_one))
# Use the scikit-learn function to calculate MSE
mse_two = ____
print('Using scikit-learn, the error is {}'.format(mse_two))