平均絕對誤差
要把模型結果解釋清楚並不容易。不過，多數客戶能理解「平均而言，預測模型偏差了多少」。這讓解釋平均絕對誤差變得簡單。舉例來說，當你預測一支籃球隊的勝場數為 42，實際結果是 40，你就能很直接地說明誤差是 2 場。
在這個練習中，你正在面試一個新職位，手邊有兩個陣列：y_test 是 2017 年所有 30 支 NBA 球隊的真實勝場數；predictions 則包含對每一隊的預測。為了測試你的理解，你需要同時手動計算 MAE，並使用 sklearn 計算一次。
本練習屬於課程
Python 的模型驗證
練習說明
- 手動計算 MAE，並以
n表示被預測的觀測數量。 - 使用
sklearn計算 MAE。 - 使用提供的 print 陳述式印出兩個誤差數值。
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。
from sklearn.metrics import mean_absolute_error
# Manually calculate the MAE
n = ____(predictions)
mae_one = sum(____(y_test - predictions)) / n
print('With a manual calculation, the error is {}'.format(____))
# Use scikit-learn to calculate the MAE
mae_two = ____(____, ____)
print('Using scikit-learn, the error is {}'.format(____))