Sanasto

Keskimääräinen absoluuttinen virhe (MAE)

Mikä on Keskimääräinen absoluuttinen virhe (MAE)?

Keskimääräinen absoluuttinen virhe (MAE, mean absolute error) kertoo, kuinka paljon mallin ennusteet poikkeavat todellisista arvoista keskimäärin suunnasta riippumatta. Se ilmaistaan kohdemuuttujan yksikössä, mikä tekee siitä helposti ymmärrettävän. Esimerkki: päivittäisen myyntiennusteen MAE 12 tarkoittaa, että malli erehtyy keskimäärin 12 yksiköllä. Poikkeaviin arvoihin se suhtautuu vähemmän painokkaasti kuin neliövirheeseen perustuvat mittarit.

Aiheet

mittari
regressio
ennustaminen

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Lineaarinen regressio

Lineaarinen regressio on tilastollinen menetelmä, joka kuvaa kohdemuuttujan ja yhden tai useamman selittäjän välistä suhdetta suoralla tai tasolla. Kertoimet valitaan yleensä siten, että neliöityjen poikkeamien summa minimoituu. Menetelmä on helppo ymmärtää ja tulkita: sillä voi esimerkiksi arvioida, kuinka paljon liikevaihto kasvaa, kun mainosbudjetti kasvaa 1 000 eurolla. Se tulee rajoihinsa epälineaaristen suhteiden kanssa.

Tilastotiede
ennustaminen
+1

Yleistämisvirhe

Yleistämisvirhe mittaa, kuinka paljon tekoälymalli erehtyy uudessa, aiemmin näkemättömässä datassa – toisin kuin sen virhe koulutusdatassa. Suuri ero näiden kahden välillä viittaa ylisovittamiseen: malli on opetellut esimerkit ulkoa sen sijaan, että olisi oppinut yleisiä kuvioita. Sitä arvioidaan erillisellä testidatalla tai ristiinvalidoinnilla. Se on luku, jolla todella on merkitystä, koska käytännössä malli kohtaa lähes pelkästään uusia tapauksia.

Koneoppiminen
Mallin arviointi
+1

Ristiinvalidointi

Ristiinvalidointi on menetelmä, jolla tarkistetaan, kuinka hyvin malli yleistyy uuteen, näkemättömään dataan. K-kertaisessa ristiinvalidoinnissa data jaetaan k osaan; malli koulutetaan k kertaa k−1 osalla ja testataan kullakin kerralla jäljellä olevalla osalla, minkä jälkeen tulokset keskiarvoistetaan. Tämä auttaa havaitsemaan ylisovittamisen ja vertailemaan malleja tai asetuksia reilusti, erityisesti kun dataa on vähän.

Mallin arviointi
validointi
+1

Ennustemallinnus

Ennustemallinnus on ennakoivan analytiikan tekninen ydin: esimerkkidatasta, jonka lopputulokset tunnetaan, rakennetaan malli, joka ennustaa uusille tapauksille arvon tai luokan. Yleisiä menetelmiä ovat regressio, päätöspuut, satunnaismetsät ja neuroverkot. Malli voi esimerkiksi arvioida kiinteistön hinnan pinta-alan, sijainnin ja rakennusvuoden perusteella. Ennen käyttöönottoa se testataan pidätetyllä datalla ylisovittumisen havaitsemiseksi.

mallinnus
ennuste
+1