Python で平均絶対誤差を計算する方法

統計学では、平均絶対誤差(MAE) は、特定のモデルの精度を測定する方法です。次のように計算されます。

MAE = (1/n) * Σ|y _i – x _i |

金：

• Σ： 「和」を意味するギリシャ語の記号
• y _i : ^{i 番目の}観測値の観測値
• x _i : ^{i 番目}の観測値の予測値
• n:観測値の総数

Scikit-learn のMean_absolute_error()関数を使用すると、Python で平均絶対誤差を簡単に計算できます。

このチュートリアルでは、この機能の実際的な使用例を示します。

例: Python での平均絶対誤差の計算

Python に次の実際の値と予測値の配列があるとします。

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

次のコードは、このモデルの平均絶対誤差を計算する方法を示しています。

 from sklearn. metrics import mean_absolute_error as mae

#calculate MAE
mae(actual, pred)

2.4285714285714284

平均絶対誤差 (MAE) は2.42857であることがわかります。

これは、実際のデータ値とモデルによって予測された値の間の平均差が 2.42857 であることを示しています。

この MAE を他の予測モデルで取得した MAE と比較して、どのモデルのパフォーマンスが最も優れているかを確認できます。

特定のモデルの MAE が低いほど、モデルは実際の値をより適切に予測できます。

注:この関数が正しく動作するには、実際の値の配列と予測値の配列の両方が同じ長さである必要があります。

追加リソース

Python で MAPE を計算する方法
Python で SMAPE を計算する方法
Python で MSE を計算する方法