Python'da ortalama mutlak hata nasıl hesaplanır?

İstatistiklerde ortalama mutlak hata (MAE), belirli bir modelin doğruluğunu ölçmenin bir yoludur. Aşağıdaki şekilde hesaplanır:

MAE = (1/n) * Σ|y _i – x _i |

Altın:

• Σ: “toplam” anlamına gelen Yunanca bir sembol
• y _i : ^i’inci gözlem için gözlemlenen değer
• x _i : ^i’inci gözlem için tahmin edilen değer
• n: Toplam gözlem sayısı

Python’da ortalama mutlak hatayı Scikit-learn’in Mean_absolute_error() fonksiyonunu kullanarak kolayca hesaplayabiliriz.

Bu eğitimde bu özelliğin kullanımına ilişkin pratik bir örnek sunulmaktadır.

Örnek: Python’da Ortalama Mutlak Hatanın Hesaplanması

Python’da aşağıdaki gerçek değer ve tahmin edilen değer dizilerine sahip olduğumuzu varsayalım:

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

Aşağıdaki kod, bu model için ortalama mutlak hatanın nasıl hesaplanacağını gösterir:

 from sklearn. metrics import mean_absolute_error as mae

#calculate MAE
mae(actual, pred)

2.4285714285714284

Ortalama mutlak hatanın (MAE) 2,42857 olduğu ortaya çıkıyor.

Bu bize gerçek veri değeri ile modelin öngördüğü değer arasındaki ortalama farkın 2,42857 olduğunu söylüyor.

Hangi modellerin en iyi performansı gösterdiğini görmek için bu MAE’yi diğer tahmin modelleri tarafından elde edilen MAE ile karşılaştırabiliriz.

Belirli bir model için MAE ne kadar düşükse, model gerçek değerleri o kadar iyi tahmin edebilir.

Not: Bu işlevin doğru çalışması için hem gerçek değer dizisinin hem de tahmin edilen değer dizisinin aynı uzunlukta olması gerekir.

Ek kaynaklar

Python’da MAPE nasıl hesaplanır
Python’da SMAPE nasıl hesaplanır
Python’da MSE Nasıl Hesaplanır?