<\/p>\n
In statistica, l’errore medio assoluto<\/strong> (MAE) \u00e8 un modo per misurare l’accuratezza di un determinato modello. Viene calcolato come segue:<\/span><\/p>\n MAE = (1\/n) * \u03a3|y i<\/sub> \u2013 x i<\/sub> |<\/span><\/p>\n Oro:<\/span><\/p>\n Possiamo facilmente calcolare l’errore medio assoluto in Python utilizzando la funzione Mean_absolute_error()<\/a> di Scikit-learn.<\/span><\/p>\n Questo tutorial fornisce un esempio pratico di utilizzo di questa funzionalit\u00e0.<\/span><\/p>\n Supponiamo di avere i seguenti array di valori effettivi e valori previsti in Python:<\/span><\/p>\n Il codice seguente mostra come calcolare l’errore medio assoluto per questo modello:<\/span><\/p>\n L’errore medio assoluto (MAE) risulta essere 2.42857<\/strong> .<\/span><\/p>\n Questo ci dice che la differenza media tra il valore effettivo dei dati e il valore previsto dal modello \u00e8 2,42857.<\/span><\/p>\n Possiamo confrontare questo MAE con il MAE ottenuto da altri modelli di previsione per vedere quali modelli funzionano meglio.<\/span><\/p>\n Pi\u00f9 basso \u00e8 il MAE per un dato modello, migliore \u00e8 la capacit\u00e0 del modello di prevedere i valori effettivi.<\/span><\/p>\n Nota:<\/strong> affinch\u00e9 questa funzione funzioni correttamente, sia la matrice dei valori effettivi che quella dei valori previsti devono avere la stessa lunghezza.<\/span><\/p>\n Come calcolare MAPE in Python<\/a> In statistica, l’errore medio assoluto (MAE) \u00e8 un modo per misurare l’accuratezza di un determinato modello. Viene calcolato come segue: MAE = (1\/n) * \u03a3|y i \u2013 x i | Oro: \u03a3: simbolo greco che significa \u201csomma\u201d y i : il valore osservato per l’ i-esima osservazione x i : il valore previsto per l’ […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Esempio: calcolo dell’errore assoluto medio in Python<\/strong><\/span><\/h3>\n
actual = [12, 13, 14, 15, 15, 22, 27]\npred = [11, 13, 14, 14, 15, 16, 18]\n<\/strong><\/pre>\n
from<\/span> sklearn. metrics<\/span> import<\/span> mean_absolute_error as<\/span> mae\n\n#calculate MAE<\/span>\nmae(actual, pred)\n\n2.4285714285714284\n<\/strong><\/span><\/pre>\n Risorse addizionali<\/strong><\/h3>\n
Come calcolare SMAPE in Python<\/a>
Come calcolare MSE in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"