Materi
Selisih antara nilai sebenarnya dan tebakan disebut galat. Empat ukuran dari bagian Regression metrics di User Guide scikit-learn merangkum galat semua baris menjadi satu angka.
| Metrik | Rumus | Satuan | Nilai terbaik |
|---|---|---|---|
| MAE | rata-rata |aktual − tebakan| | sama dengan label | 0 |
| MSE | rata-rata (aktual − tebakan)² | kuadrat satuan label | 0 |
| RMSE | akar MSE | sama dengan label | 0 |
| R² | 1 − jumlah kuadrat galat ÷ jumlah kuadrat simpangan dari rata-rata | tanpa satuan | 1 |
MAE mudah dibaca: "rata-rata tebakan meleset 3 menit". MSE mengkuadratkan galat sehingga satu galat besar sangat terasa; RMSE mengembalikannya ke satuan label. R² membandingkan model dengan tebakan paling sederhana, yaitu selalu menebak rata-rata: R² = 0 berarti sama saja dengan tebakan rata-rata, dan dokumentasi r2_score menyebut nilainya bisa negatif bila model lebih buruk dari itu.
from sklearn.metrics import mean_absolute_error, r2_score
suhu_asli = [30, 32, 28, 35]
suhu_ramal = [31, 30, 28, 36]
print(mean_absolute_error(suhu_asli, suhu_ramal)) # 1.0
print(round(r2_score(suhu_asli, suhu_ramal), 3)) # 0.776