R の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
Metricsパッケージのmae (実際の、予測)関数を使用して、R の平均絶対誤差を計算できます。
このチュートリアルでは、この機能を実際に使用する方法の 2 つの例を示します。
例 1: 2 つのベクトル間の平均絶対誤差を計算する
次のコードは、観測値のベクトルと予測値のベクトルの間の平均絶対誤差を計算する方法を示しています。
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
平均絶対誤差 (MAE) は1.909であることがわかります。
これは、観測値と予測値の間の平均絶対差が 1.909 であることを示しています。
例 2: 回帰モデルの平均絶対誤差を計算する
次のコードは、R で回帰モデルを近似し、モデルによって行われた予測と実際に観測された応答値の間の平均絶対誤差を計算する方法を示しています。
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
平均絶対誤差 (MAE) は1.238であることがわかります。
これは、観測値と予測値の間の平均絶対差が 1.238 であることを示しています。
一般に、MAE 値が低いほど、モデルはデータ セットに適合しやすくなります。 2 つの異なるモデルを比較する場合、各モデルの MAE を比較して、どちらがデータセットに最もよく適合するかを調べることができます。