რომელ მეტრიკებს იყენებენ რეკლამების კამპანიის პროგნოზირების მოდელის ხარისხის შეფასებისთვის?

რეკლამა კამპანიების რეიტინგების პროგნოზირების მოდელის ხარისხის შეფასებისთვის ხშირად გამოიყენება შემდეგი მეტრიკები:

• RMSE (Root Mean Squared Error) — საშუალო კვადრატული შეცდომის ნამდვილი ფესვი, აჩვენებს პროგნოზების და რეალური მნიშვნელობების საშუალო გადახრას, მგრძნობიარეა დიდ შეცდომებზე.
• MAE (Mean Absolute Error) — საშუალო აბსოლუტური შეცდომა, ასახავს საშუალო აბსოლუტურ გადახრას, არ ამძაფრებს ექსტრემალური მნიშვნელობების გავლენას.
• R² (განმარტების კოეფიციენტი) — აჩვენებს, რა ნაწილს ხსნის მოდელი მიზნობრივი ცვლადის ცვლილებას.
• MAPE (Mean Absolute Percentage Error) — საშუალო აბსოლუტური პროცენტული შეცდომა, სასარგებლოა პროცენტულ ინტერპრეტაციაში.

მეტრიკის არჩევა დამოკიდებულია დავალებაზე და შეცდომების მოთხოვნებზე. მაგალითად, თუ მნიშვნელოვანია დიდი შეცდომები, უკეთესია RMSE; თუ მნიშვნელოვანია ინტერპრეტაბელობა, მაშინ შესაბამისია MAE ან MAPE.