Aké metriky sa používajú pre regresiu?

Na hodnotenie kvality regresných modelov sa zvyčajne používajú nasledujúce metriky:

• MSE (Stredná štvorcová chyba) — ukazuje priemer štvorcov rozdielov medzi predpovedanými a skutočnými hodnotami. Je citlivá na veľké chyby.

• RMSE (Koreň strednej štvorcovej chyby) — koreň z MSE, vracia chybu v tých istých jednotkách ako cieľová premenná.

• MAE (Stredná absolútna chyba) — meria priemernú absolútnu odchýlku predpovedí od skutočných hodnôt.

• R² (koeficient determinácie) — ukazuje podiel variácie závislej premennej vysvetleného modelom. Hodnoty od 0 do 1, kde 1 je dokonalé predpovedanie.

• Upravené R² — modifikovaná verzia R², ktorá zohľadňuje počet vlastností v modeli.

Príklad výpočtu MAE a MSE v Pythone pomocou 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}")