Cómo calcular el error absoluto medio en R

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/