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