R에서 평균 절대 오차를 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

Metrics 패키지의 mae(실제, 예측) 함수를 사용하여 R의 평균 절대 오차를 계산할 수 있습니다.

이 튜토리얼에서는 실제로 이 기능을 사용하는 방법에 대한 두 가지 예를 제공합니다.

예시 1: 두 벡터 간의 평균 절대 오차 계산

다음 코드는 관측값 벡터와 예측값 벡터 사이의 평균 절대 오차를 계산하는 방법을 보여줍니다.

 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

평균절대오차(MAE)는 1.909 로 나타났습니다.

이는 관측값과 예측값의 평균절대차가 1.909임을 알려준다.

예 2: 회귀 모델의 평균 절대 오차 계산

다음 코드는 R에서 회귀 모델을 맞춘 다음 모델에 의해 수행된 예측과 실제 관찰된 응답 값 사이의 평균 절대 오차를 계산하는 방법을 보여줍니다.

 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

평균절대오차(MAE)는 1.238 로 나타났습니다.

이는 관측값과 예측값의 평균절대차가 1.238임을 알려준다.

일반적으로 MAE 값이 낮을수록 모델이 데이터 세트에 더 잘 적합할 수 있습니다. 서로 다른 두 모델을 비교할 때 각 모델의 MAE를 비교하여 어떤 모델이 데이터 세트에 가장 적합한지 알아낼 수 있습니다.

추가 리소스

평균 절대 오차 계산기
Excel에서 평균 절대 오류를 계산하는 방법
Python에서 평균 절대 오류를 계산하는 방법