Як обчислити середню абсолютну похибку в python

У статистиці середня абсолютна похибка (MAE) — це спосіб вимірювання точності даної моделі. Він розраховується таким чином:

MAE = (1/n) * Σ|y _i – x _i |

золото:

• Σ: грецький символ, що означає «сума»
• y _i : спостережене значення для ^i-го спостереження
• x _i : прогнозоване значення для ^i-го спостереження
• n: Загальна кількість спостережень

Ми можемо легко обчислити середню абсолютну помилку в Python за допомогою функції Mean_absolute_error() Scikit-learn.

Цей підручник містить практичний приклад використання цієї функції.

Приклад: обчислення середньої абсолютної похибки в Python

Припустимо, у нас є наступні масиви фактичних значень і прогнозованих значень в Python:

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

Наступний код показує, як обчислити середню абсолютну похибку для цієї моделі:

 from sklearn. metrics import mean_absolute_error as mae

#calculate MAE
mae(actual, pred)

2.4285714285714284

Середня абсолютна похибка (MAE) виявляється 2,42857 .

Це говорить нам про те, що середня різниця між фактичним значенням даних і значенням, передбаченим моделлю, становить 2,42857.

Ми можемо порівняти цей MAE з MAE, отриманим за допомогою інших моделей прогнозування, щоб побачити, які моделі працюють найкраще.

Чим нижчий MAE для даної моделі, тим краще модель здатна передбачити фактичні значення.

Примітка: масив фактичних значень і масив прогнозованих значень повинні мати однакову довжину, щоб ця функція працювала правильно.

Додаткові ресурси

Як розрахувати MAPE в Python
Як розрахувати SMAPE в Python
Як розрахувати MSE у Python