平均绝对误差
传达建模结果可能并不容易。不过，大多数客户能理解这样一句话：平均而言，预测模型会有一定的偏差。因此，解释平均绝对误差就简单了。比如，预测一支篮球队的胜场数时，您预测为 42，实际是 40，您就可以直观地说明误差是 2 场胜利。
在本练习中，您正在面试一个新职位，并拿到两个数组：y_test，表示 2017 年全部 30 支 NBA 球队的真实胜场数；以及 predictions，为每支球队给出的预测。为检验您的理解，您需要手动计算一次 MAE，并使用 sklearn 再计算一次。
本练习是课程的一部分
Python 中的模型验证
练习说明
- 手动计算 MAE，使用
n作为被预测观测的数量。 - 使用
sklearn计算 MAE。 - 使用给定的 print 语句输出这两个准确性数值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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(____))