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