पायथन 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 स्किकिट-लर्न के Mean_absolute_error() फ़ंक्शन का उपयोग करके आसानी से पायथन में माध्य निरपेक्ष त्रुटि की गणना कर सकते हैं।

यह ट्यूटोरियल इस सुविधा का उपयोग करने का एक व्यावहारिक उदाहरण प्रदान करता है।

उदाहरण: पायथन में माध्य निरपेक्ष त्रुटि की गणना

मान लीजिए कि हमारे पास पायथन में वास्तविक मूल्यों और अनुमानित मूल्यों की निम्नलिखित सरणियाँ हैं:

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

निम्नलिखित कोड दिखाता है कि इस मॉडल के लिए माध्य निरपेक्ष त्रुटि की गणना कैसे करें:

 from sklearn. metrics import mean_absolute_error as mae

#calculate MAE
mae(actual, pred)

2.4285714285714284

माध्य निरपेक्ष त्रुटि (एमएई) 2.42857 निकली।

यह हमें बताता है कि वास्तविक डेटा मूल्य और मॉडल द्वारा अनुमानित मूल्य के बीच औसत अंतर 2.42857 है।

हम इस एमएई की तुलना अन्य पूर्वानुमान मॉडलों द्वारा प्राप्त एमएई से कर सकते हैं, यह देखने के लिए कि कौन से मॉडल सबसे अच्छा प्रदर्शन करते हैं।

किसी दिए गए मॉडल के लिए एमएई जितना कम होगा, मॉडल उतना ही बेहतर वास्तविक मूल्यों की भविष्यवाणी करने में सक्षम होगा।

नोट: इस फ़ंक्शन के सही ढंग से काम करने के लिए वास्तविक मान सरणी और अनुमानित मान सरणी दोनों की लंबाई समान होनी चाहिए।

अतिरिक्त संसाधन

पायथन में एमएपीई की गणना कैसे करें
पायथन में SMAPE की गणना कैसे करें
पायथन में एमएसई की गणना कैसे करें