Ce metrici sunt utilizate pentru regresie?

Pentru evaluarea calității modelelor de regresie, de obicei se utilizează următoarele metrici:

• MSE (Eroarea Medie Pătratică) — arată media diferențelor pătrate dintre valorile prezise și cele reale. Este sensibil la erori mari.

• RMSE (Rădăcina Eroarei Medii Pătratice) — rădăcina pătrată a MSE, oferă eroarea în aceleași unități ca și variabila țintă.

• MAE (Eroarea Absolută Medie) — măsoară abaterea absolută medie a predicțiilor față de valorile reale.

• R² (coeficientul de determinare) — indică proporția de variație a variabilei dependente explicată de model. Valoare între 0 și 1, unde 1 indică o predicție perfectă.

• R² ajustat — modificarea R² care ține cont de numărul de caracteristici din model.

Exemplu de calcul al MAE și MSE în Python cu sklearn:

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}")