Bitzu

Machine Learning Associate · Ocena modeli i generalizacja

Metryki regresji: MSE, RMSE, MAE i R-kwadrat

Najważniejsze

  • MSE to średnia kwadratów błędów (kwadrat jednostek zmiennej docelowej).
  • RMSE to jej pierwiastek, w jednostkach zmiennej docelowej, nadal mocno karzący duże błędy.
  • MAE to średni błąd bezwzględny: jednostki celu, mniej wrażliwy na wartości odstające.
  • R-kwadrat jest bezwymiarowe: 1 to ideał, 0 to tyle, co zawsze przewidywanie średniej, a wartość może być ujemna, gdy model jest gorszy.

Źródło: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.r2_score.html

Przykładowe pytania

Jednokrotny wybór

Która metryka jest wyrażona w kwadracie jednostek zmiennej docelowej?

  1. RMSE
  2. MAE
  3. MSE
  4. R-kwadrat
Pokaż odpowiedź

Odpowiedź: C. MSE

MSE uśrednia kwadraty błędów, więc dla celu w dolarach daje dolary do kwadratu. RMSE i MAE są w dolarach, a R-kwadrat jest bezwymiarowe.

Zaznacz wszystkie poprawne

Które stwierdzenia o R-kwadrat są poprawne?

  1. Wartość 1,0 oznacza, że predykcje dokładnie pokrywają się z wartościami rzeczywistymi
  2. Może być ujemne, gdy model jest gorszy niż zawsze przewidywanie średniej
  3. Wartość 0 odpowiada modelowi, który zawsze przewiduje średnią wartości docelowej
  4. Zawsze mieści się w przedziale od 0 do 1
  5. Jest wyrażone w tych samych jednostkach co zmienna docelowa
Pokaż odpowiedź

Odpowiedź: A. Wartość 1,0 oznacza, że predykcje dokładnie pokrywają się z wartościami rzeczywistymi, B. Może być ujemne, gdy model jest gorszy niż zawsze przewidywanie średniej, C. Wartość 0 odpowiada modelowi, który zawsze przewiduje średnią wartości docelowej

R-kwadrat wynosi 1 dla idealnego dopasowania, 0 dla stałego predyktora średniej i jest ujemne, gdy model jest od niego gorszy. Nie jest ograniczone od dołu zerem i jest bezwymiarowe.

Prawda czy fałsz

Prawda czy fałsz: RMSE nigdy nie może być większe niż MAE dla tych samych predykcji.

Pokaż odpowiedź

Odpowiedź: Fałsz

Fałsz. RMSE jest zawsze większe lub równe MAE; równe tylko wtedy, gdy wszystkie błędy bezwzględne są identyczne. Im bardziej nierówne błędy, tym większa różnica.

Przećwicz 8 pytań z tego tematu w Bitzu

Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.

Download on the App StoreGet it on Google Play

Więcej tematów Machine Learning Associate w tym module