आर में माध्य निरपेक्ष त्रुटि की गणना कैसे करें

आंकड़ों में, माध्य निरपेक्ष त्रुटि (एमएई) किसी दिए गए मॉडल की सटीकता को मापने का एक तरीका है। इसकी गणना इस प्रकार की जाती है:

एमएई = (1/एन) * Σ|वाई _आई – एक्स _आई |

सोना:

• Σ: एक ग्रीक प्रतीक जिसका अर्थ है “योग”
• y _i : ^iवें अवलोकन के लिए प्रेक्षित मान
• x _i : ^iवें अवलोकन के लिए अनुमानित मान
• n: अवलोकनों की कुल संख्या

हम मेट्रिक्स पैकेज से माए (वास्तविक, अनुमानित) फ़ंक्शन का उपयोग करके आर में औसत पूर्ण त्रुटि की गणना कर सकते हैं।

यह ट्यूटोरियल व्यवहार में इस सुविधा का उपयोग कैसे करें इसके दो उदाहरण प्रदान करता है।

उदाहरण 1: दो सदिशों के बीच औसत निरपेक्ष त्रुटि की गणना करें

निम्नलिखित कोड दिखाता है कि देखे गए मानों के वेक्टर और अनुमानित मानों के वेक्टर के बीच औसत पूर्ण त्रुटि की गणना कैसे करें:

 library (Metrics)

#define observed and predicted values
observed <- c(12, 13, 14, 15, 15, 22, 27, 29, 29, 30, 32)
predicted <- c(11, 13, 14, 14, 16, 19, 24, 30, 32, 36, 30)

#calculate mean absolute error between vectors
mae(observed, predicted)

[1] 1.909091

माध्य निरपेक्ष त्रुटि (एमएई) 1.909 निकली।

यह हमें बताता है कि देखे गए मूल्यों और अनुमानित मूल्यों के बीच औसत पूर्ण अंतर 1.909 है।

उदाहरण 2: प्रतिगमन मॉडल के लिए माध्य निरपेक्ष त्रुटि की गणना करें

निम्नलिखित कोड दिखाता है कि आर में एक प्रतिगमन मॉडल को कैसे फिट किया जाए और फिर मॉडल द्वारा की गई भविष्यवाणियों और वास्तविक देखे गए प्रतिक्रिया मूल्यों के बीच औसत पूर्ण त्रुटि की गणना करें:

 library (Metrics)

#create data
df <- data. frame (x1=c(1, 3, 3, 4, 4, 6, 6, 8, 9, 3),
                 x2=c(7, 7, 4, 10, 13, 12, 17, 19, 20, 34),
                 y=c(17, 18, 19, 20, 24, 28, 25, 29, 30, 32))

#view first six rows of data
head(df)

  x1 x2 y
1 1 7 17
2 3 7 18
3 3 4 19
4 4 10 20
5 4 13 24
6 6 12 28

#fit regression model
model <- lm(y~x1+x2, data=df)

#calculate MAE between predicted values and observed values
mae(df$y, predict(model))

[1] 1.238241

माध्य निरपेक्ष त्रुटि (एमएई) 1.238 निकली।

यह हमें बताता है कि देखे गए मूल्यों और अनुमानित मूल्यों के बीच औसत पूर्ण अंतर 1.238 है।

सामान्य तौर पर, MAE मान जितना कम होगा, एक मॉडल डेटा सेट को उतना ही बेहतर ढंग से फिट करने में सक्षम होगा। जब हम दो अलग-अलग मॉडलों की तुलना करते हैं, तो हम यह पता लगाने के लिए प्रत्येक मॉडल के एमएई की तुलना कर सकते हैं कि कौन सा डेटा सेट के लिए सबसे उपयुक्त है।

अतिरिक्त संसाधन

माध्य निरपेक्ष त्रुटि कैलकुलेटर
एक्सेल में माध्य निरपेक्ष त्रुटि की गणना कैसे करें
पायथन में माध्य निरपेक्ष त्रुटि की गणना कैसे करें