Jakie metryki są używane do oceny jakości modelu prognozowania kampanii reklamowych?

Aby ocenić jakość modelu prognozowania ocen kampanii reklamowych, często używa się następujących miar:

• RMSE (Root Mean Squared Error) — pierwiastek z średniego błędu kwadratowego, pokazuje średnie odchylenie prognoz od rzeczywistych wartości, wrażliwy na duże błędy.
• MAE (Mean Absolute Error) — średni błąd bezwzględny, odzwierciedla średnie bezwzględne odchylenie bez wzmacniania wpływu wartości odstających.
• R² (współczynnik determinacji) — pokazuje, jaką część wariancji zmiennej celu wyjaśnia model.
• MAPE (Mean Absolute Percentage Error) — średni bezwzględny błąd procentowy, przydatny do interpretacji w procentach.

Wybór miary zależy od zadania i wymagań dotyczących błędów. Na przykład, jeśli ważne są duże błędy, lepszy jest RMSE; jeśli ważna jest interpretowalność, to MAE lub MAPE.