Ի՞նչ չափանիշներ են օգտագործվում ռեգրեսի համար։

Նորմալ է գնահատել ռեգրեսիայի մոդելների որակը՝ օգտագործելով հետևյալ չափանիշները՝

• MSE (Միջին քառակուսային սխալ) — ցույց է տալիս կանխատեսված և իրական արժեքների միջին քառակուսային տարբերությունը։ Հասանելի է մեծ սխալների դեպքում։

• RMSE (Քառակուսային սխալի միջին քառակուսիարմատ) — MSE-ի քառակուսայինարմատը, վերադարձնում է սխալը նույն միավորներում, ինչ նպատակային փոփոխականը։

• MAE (ՄիջինAbsolute սխալ) — չափում է կանխատեսումների և իրական արժեքների միջինAbsolute տարբերությունը։

• R² (որոշիչ գործակից) — ցույց է տալիս, թե ինչ տոկոս է փոփոխության բացատրությունը մոդելով։ Արժեքը տատանվում է 0-ից 1-ի միջև, որտեղ 1-ը նշանակում է կատարյալ կանխատեսում։

• Հարմարեցված R² — R²-ի փոփոխություն, որը հաշվի է առնում մոդելում առկա հատկությունների քանակը։

Python-ում sklearn օգտագործելով MAE և MSE հաշվարկելու օրինակ՝

from sklearn.metrics import mean_absolute_error, mean_squared_error

y_true = [3.0, -0.5, 2.0, 7.0]
y_pred = [2.5, 0.0, 2.0, 8.0]

mae = mean_absolute_error(y_true, y_pred)
mse = mean_squared_error(y_true, y_pred)
print(f"MAE: {mae}")
print(f"MSE: {mse}")