Welke metrics worden gebruikt om de kwaliteit van het voorspellingsmodel voor advertentiecampagnes te beoordelen?

Om de kwaliteit van het voorspellingsmodel voor beoordelingsscores van advertentiecampagnes te beoordelen, worden vaak de volgende metrics gebruikt:

• RMSE (Root Mean Squared Error) — de wortel van de gemiddelde kwadratische fout, toont de gemiddelde afwijking van de voorspellingen ten opzichte van de werkelijke waarden, gevoelig voor grote fouten.
• MAE (Mean Absolute Error) — gemiddelde absolute fout, weerspiegelt de gemiddelde absolute afwijking zonder de invloed van uitschieters te versterken.
• R² (Coefficient of Determination) — laat zien welk deel van de variatie in de doelvariabele wordt verklaard door het model.
• MAPE (Mean Absolute Percentage Error) — gemiddelde absolute procentuele fout, handig voor interpretatie in procenten.

De keuze van de metric hangt af van de taak en de foutvereisten. Bijvoorbeeld, als grote fouten belangrijk zijn, is RMSE beter; als interpretatie belangrijk is, zijn MAE of MAPE geschikt.