Quais métricas são usadas para avaliar a qualidade do modelo de previsão de campanhas publicitárias?

Para avaliar a qualidade do modelo de previsão das classificações de campanhas publicitárias, frequentemente utilizam-se as seguintes métricas:

• RMSE (Raiz do Erro Quadrático Médio) — a raiz da média dos erros quadráticos, mostra a desvição média das previsões em relação aos valores reais, sensível a erros grandes.
• MAE (Erro Absoluto Médio) — erro absoluto médio, reflete a média da desvição absoluta sem aumentar a influência de valores extremos.
• R² (Coeficiente de Determinação) — mostra qual a proporção da variância da variável alvo que o modelo explica.
• MAPE (Erro Percentual Absoluto Médio) — erro percentual absoluto médio, útil para interpretação em percentagem.

A escolha da métrica depende da tarefa e dos requisitos de erro. Por exemplo, se erros grandes são importantes, prefira RMSE; se a interpretabilidade é importante, MAE ou MAPE.