Střední absolutní chyba (MAE) ukazuje, o kolik se předpovědi modelu v průměru odchylují od skutečných hodnot, bez ohledu na směr. Vyjadřuje se v jednotce cílové proměnné, díky čemuž je snadno srozumitelná. Příklad: MAE 12 u předpovědi denních tržeb znamená, že se model v průměru mýlí o 12 jednotek. Odlehlým hodnotám přikládá menší váhu než míry založené na čtvercích chyb.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoLineární regrese je statistická metoda, která popisuje vztah mezi cílovou proměnnou a jedním či více prediktory pomocí přímky nebo roviny. Koeficienty se obvykle volí tak, aby se minimalizoval součet čtverců odchylek. Metoda je snadno pochopitelná a interpretovatelná: lze s ní například odhadnout, o kolik vzroste obrat, když se reklamní rozpočet zvýší o 1 000 €. U nelineárních vztahů narazí na své hranice.
Generalizační chyba měří, jak moc se model AI mýlí na nových, dosud neviděných datech – na rozdíl od chyby na trénovacích datech. Velký rozdíl mezi nimi ukazuje na přeučení: model se naučil příklady zpaměti místo obecných vzorců. Odhaduje se pomocí odložených testovacích dat nebo křížové validace. Je to ukazatel, na kterém skutečně záleží, protože v praxi se model téměř výhradně setkává s novými případy.
Křížová validace je metoda ověření, jak dobře model generalizuje na nová, neviděná data. Při k-násobné křížové validaci se data rozdělí na k částí; model se k-krát trénuje na k−1 částech a pokaždé se testuje na zbývající části, poté se výsledky zprůměrují. Pomáhá to odhalit přeučení a spravedlivě porovnávat modely či nastavení, zejména když je k dispozici málo dat.
Prediktivní modelování je technické jádro prediktivní analytiky: z ukázkových dat se známými výsledky se vytvoří model, který pro nové případy předpovídá hodnotu nebo třídu. Běžné metody zahrnují regresi, rozhodovací stromy, náhodné lesy a neuronové sítě. Model může například odhadnout cenu nemovitosti podle užitné plochy, lokality a roku výstavby. Před nasazením se testuje na zadržených datech, aby se odhalilo přeučení.
