МЕТРИКИ РЕГРЕССИИ В МАШИННОМ ОБУЧЕНИИ | MAE, MSE, RMSE, R2, коэффициент детерминации.

Поддержать канал можно оформив подписку на 🎉 🎉 🎉 А можете скидывать монеты на Мои курсы на платформе Stepik: Метрики качества позволяют оценивать способность моделей машинного обучения восстанавливать закономерности из данных. В этом видео рассмотрим, какие есть метрики для задачи регрессии - задача машинного обучения, где предсказывается вещественная величина. Метрики помогают понять, когда модель начинает переобучаться, про это явление можете посмотреть в видео () Презентация из видео: Ноутбук из видео: 0:00 Задача регрессии 0:32 Получение данных 1:02 Обучение модели 1:25 Подсчет отклонения предсказания от истины 2:16 Проблема в подсчете отклонения 3:03 Средне-абсолютная ошибка (MAE) 4:18 Средне-квадратичная ошибка (MSE) 5:24 Проблема в интерпретации MSE 5:53 Root mean squared error (RMSE) 6:24 Насколько плохой может быть метрика 8:04 Коэффициент детерминации (R2) 9:38 Отрицательный коэффициент детерминации R2 11:30 Резюме