En estadística, el error absoluto medio (MAE) es una forma de medir la precisión de un modelo dado. Se calcula como:
MAE = (1 / n) * Σ | y yo – x yo |
dónde:
- Σ: un símbolo griego que significa «suma»
- y i : el valor observado para la i- ésima observación
- x i : el valor predicho para la i- ésima observación
- n: el número total de observaciones
Podemos calcular el error absoluto medio en R utilizando la función mae (real, predicha) del paquete Metrics .
Este tutorial proporciona dos ejemplos de cómo utilizar esta función en la práctica.
Ejemplo 1: Calcular el error absoluto medio entre dos vectores
El siguiente código muestra cómo calcular el error absoluto medio entre un vector de valores observados y un vector de valores predichos:
biblioteca (métricas) #definir valores observados y pronosticados observados <- c (12, 13, 14, 15, 15, 22, 27, 29, 29, 30, 32) predicho <- c (11, 13, 14, 14, 16, 19, 24, 30, 32, 36, 30) # calcular el error absoluto medio entre los vectores mae (observado, predicho) [1] 1.909091
El error absoluto medio (MAE) resulta ser 1,909 .
Esto nos dice que la diferencia absoluta promedio entre los valores observados y los valores predichos es 1.909.
Ejemplo 2: Calcular el error absoluto medio para un modelo de regresión
El siguiente código muestra cómo ajustar un modelo de regresión en R y luego calcular el error absoluto medio entre las predicciones realizadas por el modelo y los valores de respuesta observados reales:
biblioteca (métricas)
#create data
df <- data. marco (x1 = c (1, 3, 3, 4, 4, 6, 6, 8, 9, 3),
x2 = c (7, 7, 4, 10, 13, 12, 17, 19, 20, 34),
y = c (17, 18, 19, 20, 24, 28, 25, 29, 30, 32))
#ver las primeras seis filas de datos
cabeza (df)
x1 x2 y
1 1 7 17
2 3 7 18
3 3 4 19
4 4 10 20
5 4 13 24
6 6 12 28
#ajustar modelo de regresión modelo
<- lm (y ~ x1 + x2, data = df)
#calcular MAE entre los valores predichos y los valores observados
mae (df $ y, predecir (modelo))
[1] 1.238241
El error absoluto medio (MAE) resulta ser 1,238 .
Esto nos dice que la diferencia absoluta promedio entre los valores observados y los valores predichos es 1.238.
En general, cuanto más bajo sea el valor del MAE, mejor podrá un modelo ajustarse a un conjunto de datos. Al comparar dos modelos diferentes, podemos comparar el MAE de cada modelo para saber cuál ofrece un mejor ajuste a un conjunto de datos.
Recursos adicionales
Calculadora de error absoluto medio
Cómo calcular el error absoluto medio en Excel
Cómo calcular el error absoluto medio en Python
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
