Python에서 평균 절대 오류를 계산하는 방법

통계에서 평균절대오차 (MAE)는 주어진 모델의 정확도를 측정하는 방법입니다. 다음과 같이 계산됩니다.

MAE = (1/n) * Σ|y _i – x _i |

금:

• Σ: “합계”를 의미하는 그리스 기호
• y _i : i ^번째 관측치에 대한 관측값
• x _i : ^i번째 관측치에 대한 예측값
• n: 총 관측치 수

Scikit-learn의 Mean_absolute_error() 함수를 사용하면 Python에서 평균 절대 오차를 쉽게 계산할 수 있습니다.

이 튜토리얼에서는 이 기능을 사용하는 실제 예를 제공합니다.

예: Python에서 평균 절대 오류 계산

Python에 다음과 같은 실제 값과 예측 값의 배열이 있다고 가정합니다.

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

다음 코드는 이 모델의 평균 절대 오차를 계산하는 방법을 보여줍니다.

 from sklearn. metrics import mean_absolute_error as mae

#calculate MAE
mae(actual, pred)

2.4285714285714284

평균절대오차(MAE)는 2.42857 입니다.

이는 실제 데이터 값과 모델에서 예측한 값의 평균 차이가 2.42857임을 알 수 있습니다.

이 MAE를 다른 예측 모델에서 얻은 MAE와 비교하여 어떤 모델이 가장 잘 수행되는지 확인할 수 있습니다.

특정 모델의 MAE가 낮을수록 모델이 실제 값을 더 잘 예측할 수 있습니다.

참고: 이 함수가 올바르게 작동하려면 실제 값 배열과 예측 값 배열의 길이가 동일해야 합니다.

추가 리소스

Python에서 MAPE를 계산하는 방법
Python에서 SMape를 계산하는 방법
Python에서 MSE를 계산하는 방법