樣本內效能
知道你的迴歸模型是否有用非常重要。有用的模型能夠很好地擬合訓練集的結構。評估這種「樣本內」表現的一種方式，是在訓練資料上進行預測，並計算所有預測點的平均絕對誤差（MAE）。
在這個練習中，你會使用 MAE（mean absolute error，平均絕對誤差）來評估樣本內預測。MAE 告訴你預測值與真實值平均相差多少。
它的計算方式如下，其中 \(n\) 是預測的筆數：
$$MAE = \frac{1}{n} \cdot \sum_{i=1}^n \text{absolute value of the }i\text{th error}$$
你的工作環境中已提供 model，也就是你在前面練習建立的迴歸樹。
本練習屬於課程
R 的樹狀模型機器學習
練習說明
- 使用
model對chocolate_traintibble 進行預測，建立in_sample_predictions。 - 計算向量
abs_diffs，其內容為樣本內預測與真實分數之間的絕對差。 - 依照上面的公式計算平均絕對誤差。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Predict using the training set
in_sample_predictions <- predict(model,
___)
# Calculate the vector of absolute differences
abs_diffs <- ___(__$___ - ___$___)
# Calculate the mean absolute error
1 / ___ * ___