今回は、Pythonで回帰モデルの評価方法でよく用いられる方法について、ご紹介します。
なつめ
本記事は「ある程度他のプログラミング言語の経験はあるけど、あまりPythonは使ったことがない人を対象としたチートシート」です。私自身の備忘録的な感じでまとめています。
他にもPythonのおすすめ記事をこちらにまとめました。
なつめ黒猫
星の数は記事で紹介しているプログラミングの難易度を示しているよ。自分のレベルに合わせて読んでみてね。
Pythonおすすめ記事
また、Pythonなどのプログラミングを本格的に勉強したのであれば、オンラインでも受講可能な「TECH ACADEMY」がオススメです。
専属のアドバイザーがついてくれるので、短期集中で必要なプログラミング技術を身に着けることができます。
なつめ黒猫
「TECH ACADEMY」よるスキルアップで、もう一段上のエンジニアへステップアップしましょう!
理系王子
また、AI開発や人工知能アプリに特化してもっと勉強したい人、AIエンジニアの資格取得や転職にチャレンジしてみたいという方には、Aidemyがおすすめです。こちらの記事で詳しく解説しています。
人工知能AIやpythonプログラミングを初心者でも学べるオンライン学習Aidemyの評判
人工知能AIに特化したオンラインのプログラミングスクール「Aidemy」プレミアムの評判や口コミ、Python言語を使った学習内容や実際に作るAIアプリ例、他のスクールとの受講料や期間を比較して、分かりやすくご紹介します。
また、AIで転職したい人はこちらの記事もおすすめです。
高収入なAIエンジニアに転職するならPythonが有利な4つの理由
AIエンジニアに転職するならプログラミング言語「Python」を勉強した方が有利な理由をご紹介しています。
AIエンジニアの求人がさらに好待遇になる4つの理由
AIエンジニアが好待遇で求人される理由についてご紹介します。
平均絶対誤差(MAE)
MAEの計算式は以下の通りです。
from sklearn.metrics import mean_absolute_error x = [1, 2, 3, 4, 5] y = [1, 3, 3, 4, 6] mean_absolute_error(x, y) # 0.4
スポンサーリンク
平均二乗誤差(MSE)
MSEの計算式は以下の通りです。
from sklearn.metrics import mean_squared_error x = [1, 2, 3, 4, 5] y = [1, 3, 3, 4, 6] mean_squared_error(x, y) # 0.4
スポンサーリンク
二乗平均平方根誤差(RMSE)
RMSEの計算式は以下の通りです。
from sklearn.metrics import mean_squared_error import numpy as np x = [1, 2, 3, 4, 5] y = [1, 3, 3, 4, 6] np.swrt(mean_squared_error(x, y)) # 0.632455532
スポンサーリンク
決定係数(R2)
R2の計算式は以下の通りです。
from sklearn.metrics import r2_score import numpy as np x = [1, 2, 3, 4, 5] y = [1, 3, 3, 4, 6] r2_score(x, y) # 0.8
スポンサーリンク
まとめ
今回は、Pythonで回帰モデルの評価方法でよく用いられる方法ついてまとめました。
なつめ
自分はよくR2とMAEを用いています。
コメント