Ne zaman bir regresyon modeli uydursak, modelin, tahmin de\u011fi\u015fkenlerinin de\u011ferlerini, yan\u0131t de\u011fi\u015fkeninin de\u011ferini tahmin etmek i\u00e7in ne kadar iyi kullanabilece\u011fini anlamak isteriz.<\/span><\/p>\n Bir modelin bir veri k\u00fcmesine ne kadar iyi uydu\u011funu \u00f6l\u00e7mek i\u00e7in s\u0131kl\u0131kla kulland\u0131\u011f\u0131m\u0131z iki \u00f6l\u00e7\u00fcm, ortalama mutlak hata (MAE) ve ortalama karek\u00f6k hatad\u0131r (RMSE), bunlar a\u015fa\u011f\u0131daki \u015fekilde hesaplan\u0131r:<\/span><\/p>\n MAE<\/strong> : Bir veri k\u00fcmesindeki tahmin edilen de\u011ferler ile ger\u00e7ek de\u011ferler aras\u0131ndaki ortalama mutlak fark\u0131 bize bildiren bir metrik. MAE ne kadar d\u00fc\u015f\u00fck olursa, model bir veri setine o kadar iyi uyar.<\/span><\/p>\n MAE = 1\/n * \u03a3|y i<\/sub> \u2013 \u0177 i<\/sub> |<\/span><\/p>\n Alt\u0131n:<\/span><\/p>\n RMSE<\/strong> : Bir veri k\u00fcmesindeki tahmin edilen de\u011ferler ile ger\u00e7ek de\u011ferler aras\u0131ndaki ortalama kare fark\u0131n\u0131n karek\u00f6k\u00fcn\u00fc bize s\u00f6yleyen bir metrik. RMSE ne kadar d\u00fc\u015f\u00fck olursa, model bir veri setine o kadar iyi uyar.<\/span><\/p>\n A\u015fa\u011f\u0131daki \u015fekilde hesaplan\u0131r:<\/span><\/p>\n RMSE = \u221a \u03a3(y ben<\/sub> \u2013 \u0177 ben<\/sub> ) 2<\/sup> \/ n<\/span><\/span><\/p>\n Alt\u0131n:<\/span><\/p>\n Bir basketbol ma\u00e7\u0131nda 10 oyuncunun ka\u00e7 puan alaca\u011f\u0131n\u0131 tahmin etmek i\u00e7in bir regresyon modeli kulland\u0131\u011f\u0131m\u0131z\u0131 varsayal\u0131m.<\/span><\/p>\n A\u015fa\u011f\u0131daki tablo, model taraf\u0131ndan tahmin edilen puanlar\u0131n, oyuncular\u0131n att\u0131\u011f\u0131 ger\u00e7ek puanlarla kar\u015f\u0131la\u015ft\u0131rmas\u0131n\u0131 g\u00f6stermektedir:<\/span> <\/p>\n MAE hesaplay\u0131c\u0131s\u0131n\u0131 kullanarak MAE’nin 3,2 oldu\u011funu hesaplayabiliriz.<\/strong><\/span><\/p>\n Bu bize modelin \u00f6ng\u00f6rd\u00fc\u011f\u00fc de\u011ferler ile ger\u00e7ek de\u011ferler aras\u0131ndaki ortalama mutlak fark\u0131n 3,2 oldu\u011funu s\u00f6yl\u00fcyor.<\/span><\/p>\n RMSE hesaplay\u0131c\u0131s\u0131n\u0131<\/a> kullanarak RMSE’nin 4’e<\/strong> e\u015fit oldu\u011funu hesaplayabiliriz.<\/span><\/p>\n Bu bize, tahmin edilen puanlar ile ger\u00e7ek puanlanan puanlar aras\u0131ndaki ortalama kare farklar\u0131n\u0131n karek\u00f6k\u00fcn\u00fcn 4 oldu\u011funu s\u00f6yler.<\/span><\/p>\n Her metri\u011fin bize model taraf\u0131ndan tahmin edilen de\u011fer ile veri k\u00fcmesindeki ger\u00e7ek de\u011fer aras\u0131ndaki tipik fark hakk\u0131nda bir fikir verdi\u011fini ancak her metri\u011fin yorumunun biraz farkl\u0131 oldu\u011funu unutmay\u0131n.<\/span><\/p>\n Ortalamadan uzaktaki g\u00f6zlemlere daha fazla a\u011f\u0131rl\u0131k atamak istiyorsan\u0131z (yani 20’lik bir sapma, 10’luk bir sapman\u0131n iki kat\u0131ndan daha k\u00f6t\u00fcyse), hatay\u0131 \u00f6l\u00e7mek i\u00e7in RMSE’yi kullanmak daha iyidir, \u00e7\u00fcnk\u00fc RMSE ortalamadan uzaktaki g\u00f6zlemlere daha duyarl\u0131d\u0131r.<\/span><\/p>\n Bununla birlikte, e\u011fer 20’de “dengelenmek”, 10’da “dengelenmek”ten iki kat daha k\u00f6t\u00fcyse, o zaman MAE’yi kullanmak daha iyidir.<\/span><\/p>\n Bunu g\u00f6stermek i\u00e7in, att\u0131\u011f\u0131 puan say\u0131s\u0131 a\u00e7\u0131s\u0131ndan a\u00e7\u0131k bir \u015fekilde ayk\u0131r\u0131 olan bir oyuncumuz oldu\u011funu varsayal\u0131m:<\/span> <\/p>\n Daha \u00f6nce bahsedilen \u00e7evrimi\u00e7i hesaplay\u0131c\u0131lar\u0131 kullanarak MAE ve RMSE’yi \u015fu \u015fekilde hesaplayabiliriz:<\/span><\/p>\n RMSE’nin MAE’den \u00e7ok daha fazla artt\u0131\u011f\u0131n\u0131 unutmay\u0131n.<\/span><\/p>\n Bunun nedeni, RMSE’nin form\u00fcl\u00fcnde karesel farklar kullanmas\u0131 ve g\u00f6zlenen 76 de\u011feri ile tahmin edilen 22 de\u011feri aras\u0131ndaki karesel fark\u0131n olduk\u00e7a b\u00fcy\u00fck olmas\u0131d\u0131r. Bu, RMSE de\u011ferinde \u00f6nemli bir art\u0131\u015fa neden olur.<\/span><\/p>\n Uygulamada, genellikle birden fazla regresyon modelini bir veri k\u00fcmesine s\u0131\u011fd\u0131r\u0131r\u0131z ve her model i\u00e7in bu \u00f6l\u00e7\u00fcmlerden yaln\u0131zca birini hesaplar\u0131z.<\/span><\/p>\n \u00d6rne\u011fin, \u00fc\u00e7 farkl\u0131 regresyon modelini yerle\u015ftirebilir ve her model i\u00e7in RMSE’yi hesaplayabiliriz. Daha sonra RMSE de\u011feri en d\u00fc\u015f\u00fck olan modeli \u201cen iyi\u201d model olarak se\u00e7erdik \u00e7\u00fcnk\u00fc tahminleri veri setindeki ger\u00e7ek de\u011ferlere en yak\u0131n yapan modeldir.<\/span><\/p>\n Her iki durumda da, her model i\u00e7in ayn\u0131 \u00f6l\u00e7\u00fcm\u00fc hesaplad\u0131\u011f\u0131n\u0131zdan emin olun. \u00d6rne\u011fin, bir model i\u00e7in MAE’yi ve ba\u015fka bir model i\u00e7in RMSE’yi hesaplamay\u0131n ve ard\u0131ndan bu iki \u00f6l\u00e7\u00fcm\u00fc kar\u015f\u0131la\u015ft\u0131rmay\u0131n.<\/span><\/p>\n A\u015fa\u011f\u0131daki e\u011fitimler, farkl\u0131 istatistiksel yaz\u0131l\u0131mlar kullan\u0131larak MAE’nin nas\u0131l hesaplanaca\u011f\u0131n\u0131 a\u00e7\u0131klamaktad\u0131r:<\/span><\/p>\n Excel’de Ortalama Mutlak Hata Nas\u0131l Hesaplan\u0131r<\/a> A\u015fa\u011f\u0131daki e\u011fitimlerde farkl\u0131 istatistiksel yaz\u0131l\u0131mlar kullan\u0131larak RMSE’nin nas\u0131l hesaplanaca\u011f\u0131 a\u00e7\u0131klanmaktad\u0131r:<\/span><\/p>\n Excel’de Ortalama Kare Hatas\u0131 Nas\u0131l Hesaplan\u0131r?<\/a> Regresyon modelleri, bir veya daha fazla yorday\u0131c\u0131 de\u011fi\u015fken ile bir yan\u0131t de\u011fi\u015fkeni aras\u0131ndaki ili\u015fkiyi \u00f6l\u00e7mek i\u00e7in kullan\u0131l\u0131r. Ne zaman bir regresyon modeli uydursak, modelin, tahmin de\u011fi\u015fkenlerinin de\u011ferlerini, yan\u0131t de\u011fi\u015fkeninin de\u011ferini tahmin etmek i\u00e7in ne kadar iyi kullanabilece\u011fini anlamak isteriz. Bir modelin bir veri k\u00fcmesine ne kadar iyi uydu\u011funu \u00f6l\u00e7mek i\u00e7in s\u0131kl\u0131kla kulland\u0131\u011f\u0131m\u0131z iki \u00f6l\u00e7\u00fcm, ortalama […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2261","post","type-post","status-publish","format-standard","hentry","category-rehber"],"yoast_head":"\n\n
\n
\u00d6rnek: RMSE ve MAE’nin hesaplanmas\u0131<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mse_1.png\")
<\/p>\n RMSE ve MAE: Hangi Metri\u011fi Kullanmal\u0131s\u0131n\u0131z?<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/sortie2.png\")
<\/p>\n\n
Ek kaynaklar<\/strong><\/span><\/h3>\n
R’de ortalama mutlak hata nas\u0131l hesaplan\u0131r<\/a>
Python’da Ortalama Mutlak Hata Nas\u0131l Hesaplan\u0131r?<\/a><\/p>\n
R’de ortalama kare hata nas\u0131l hesaplan\u0131r<\/a>
Python’da Ortalama Karesel Hata Nas\u0131l Hesaplan\u0131r?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"