样本内表现

了解回归模型是否有用非常重要。一个有用的模型，至少应能较好地刻画训练集的结构。评估这种样本内（in-sample）表现的一种方法是对训练数据进行预测，并计算所有预测点的平均绝对误差（MAE）。

在本练习中，您将使用 MAE（mean absolute error，平均绝对误差）来评估样本内预测。MAE 大致反映预测值与真实值相差多远。

它按以下公式计算，其中 $n$ 是预测数量：

$$MAE = \frac{1}{n} \cdot \sum_{i=1}^n \text{absolute value of the }i\text{th error}$$

在您的工作区中，已提供 model，即您在前面练习中构建的回归树。

本练习是课程的一部分

R 中的树模型机器学习

查看课程

练习说明

使用 model 对 chocolate_train tibble 进行预测，创建 in_sample_predictions。
计算向量 abs_diffs，其包含样本内预测与真实评分之间的绝对差。
按上述公式计算平均绝对误差。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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

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

# Calculate the mean absolute error
1 / ___ * ___

编辑并运行代码