Come calcolare l'errore medio assoluto in r


In statistica, l’errore medio assoluto (MAE) è un modo per misurare l’accuratezza di un determinato modello. Viene calcolato come segue:

MAE = (1/n) * Σ|y i – x i |

Oro:

  • Σ: simbolo greco che significa “somma”
  • y i : il valore osservato per l’ i-esima osservazione
  • x i : il valore previsto per l’ i-esima osservazione
  • n: il numero totale di osservazioni

Possiamo calcolare l’errore medio assoluto in R utilizzando la funzione mae (effettivo, previsto) del pacchetto Metrics .

Questo tutorial fornisce due esempi di come utilizzare questa funzionalità nella pratica.

Esempio 1: calcolare l’errore assoluto medio tra due vettori

Il codice seguente mostra come calcolare l’errore medio assoluto tra un vettore di valori osservati e un vettore di valori previsti:

 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

L’errore medio assoluto (MAE) risulta essere 1.909 .

Questo ci dice che la differenza media assoluta tra i valori osservati e quelli previsti è 1.909.

Esempio 2: calcolare l’errore assoluto medio per un modello di regressione

Il codice seguente mostra come adattare un modello di regressione in R e quindi calcolare l’errore assoluto medio tra le previsioni fatte dal modello e i valori di risposta effettivi osservati:

 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

L’errore medio assoluto (MAE) risulta essere 1.238 .

Questo ci dice che la differenza media assoluta tra i valori osservati e quelli previsti è 1.238.

In generale, più basso è il valore MAE, migliore è la capacità del modello di adattarsi a un set di dati. Quando confrontiamo due modelli diversi, possiamo confrontare il MAE di ciascun modello per scoprire quale si adatta meglio a un set di dati.

Risorse addizionali

Calcolatore dell’errore medio assoluto
Come calcolare l’errore assoluto medio in Excel
Come calcolare l’errore assoluto medio in Python

Aggiungi un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *