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