Como calcular o erro médio absoluto em python

Nas estatísticas, o erro médio absoluto (MAE) é uma forma de medir a precisão de um determinado modelo. É calculado da seguinte forma:

MAE = (1/n) * Σ|y _i – x _i |

Ouro:

• Σ: Um símbolo grego que significa “soma”
• y _i : O valor observado para a ^i-ésima observação
• x _i : o valor previsto para a ^i-ésima observação
• n: O número total de observações

Podemos calcular facilmente o erro médio absoluto em Python usando a função Mean_absolute_error() do Scikit-learn.

Este tutorial fornece um exemplo prático de uso desse recurso.

Exemplo: Calculando o erro médio absoluto em Python

Suponha que temos as seguintes matrizes de valores reais e valores previstos em Python:

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

O código a seguir mostra como calcular o erro médio absoluto para este modelo:

 from sklearn. metrics import mean_absolute_error as mae

#calculate MAE
mae(actual, pred)

2.4285714285714284

O erro absoluto médio (MAE) é 2,42857 .

Isso nos diz que a diferença média entre o valor real dos dados e o valor previsto pelo modelo é 2,42857.

Podemos comparar este MAE com o MAE obtido por outros modelos de previsão para ver quais modelos apresentam melhor desempenho.

Quanto menor o MAE para um determinado modelo, melhor o modelo será capaz de prever os valores reais.

Nota: Tanto a matriz de valores reais quanto a matriz de valores previstos devem ter o mesmo comprimento para que esta função funcione corretamente.

Recursos adicionais

Como calcular MAPE em Python
Como calcular SMAPE em Python
Como calcular MSE em Python