如何用 python 计算平均绝对误差

在统计学中，平均绝对误差(MAE) 是衡量给定模型准确性的一种方法。计算方法如下：

MAE = (1/n) * Σ|y _i – x _i |

金子：

• Σ：希腊符号，意思是“和”
• y _i ：^{第 i 个}观测值的观测值
• x _i ：^{第 i 个}观测值的预测值
• n：观察总数

我们可以使用 Scikit-learn 的Mean_absolute_error()函数轻松计算 Python 中的平均绝对误差。

本教程提供了使用此功能的实际示例。

示例：在 Python 中计算平均绝对误差

假设我们在Python中有以下实际值和预测值的数组：

 actual = [12, 13, 14, 15, 15, 22, 27]
pred = [11, 13, 14, 14, 15, 16, 18]

以下代码显示了如何计算该模型的平均绝对误差：

 from sklearn. metrics import mean_absolute_error as mae

#calculate MAE
mae(actual, pred)

2.4285714285714284

平均绝对误差 (MAE) 结果为2.42857 。

这告诉我们，实际数据值与模型预测值之间的平均差异为 2.42857。

我们可以将此 MAE 与其他预测模型获得的 MAE 进行比较，看看哪些模型表现最好。

给定模型的 MAE 越低，模型预测实际值的能力就越好。

注意：实际值数组和预测值数组的长度必须相同，此函数才能正常工作。

其他资源

如何在Python中计算MAPE
如何在Python中计算SMAPE
如何用 Python 计算 MSE