평균 절대 오차를 계산하는 방법

콘텐츠

• SAE 계산
• MAE 계산

통계에서는 사용 가능한 데이터를 기반으로 예측합니다. 불행하게도 예측이 항상 데이터에 의해 생성 된 실제 값과 일치하지는 않습니다. 예측과 실제 데이터 값의 차이를 아는 것은 미래 예측을 세분화하고보다 정확하게 만드는 데 도움이되므로 유용합니다. 예측과 생성 된 실제 값 사이의 차이가 어느 정도인지 알아 보려면 데이터의 평균 절대 오차 (MAE라고도 함)를 계산해야합니다.

SAE 계산

데이터의 MAE를 계산하려면 먼저 절대 오차의 합 (SAE)을 계산해야합니다. SAE의 공식은 Σ^엔_{i = 1}| x_나는 -x_티|, 시그마 표기법에 익숙하지 않은 경우 처음에는 혼동 될 수 있습니다. 그러나 실제 절차는 매우 간단합니다.

실제 값 빼기 (x로 표시)_티)에서 측정 값 (x로 표시)_나는), 데이터 포인트에 따라 부정적인 결과를 생성 할 수 있습니다. 결과의 절대 값을 사용하여 양수를 생성하십시오. 예를 들어 x_나는 5와 x_티 7, 5-7 = -2입니다. -2의 절대 값 (| -2 |로 표시)은 2입니다.

데이터의 각 측정 및 예측 세트에 대해이 프로세스를 반복하십시오. 세트 수는 공식에서 Σ와 함께 n으로 표시됩니다.^엔 _{i = 1} 프로세스가 첫 번째 세트 (i = 1)에서 시작하여 총 n 번 반복됨을 나타냅니다. 이전 예제에서 사용 된 이전 포인트가 10 쌍의 데이터 포인트 중 하나라고 가정합니다. 이전에 생성 된 2 개 외에도 나머지 점 세트는 1, 4, 3, 4, 2, 6, 3, 2 및 9의 절대 값을 생성합니다.

절대 값을 함께 더하여 SAE를 생성하십시오. 예를 들어, SAE = 2 + 1 + 4 + 3 + 4 + 2 + 6 + 3 + 2 + 9를 제공합니다. 함께 추가하면 SAE가 36이됩니다.

MAE 계산

SAE를 계산 한 후에는 절대 오차의 평균 또는 평균값을 찾아야합니다. 이 결과를 얻으려면 수식 MAE = SAE ÷ n을 사용하십시오. 또한 두 수식이 하나로 합쳐져 MAE = (Σ^엔_{i = 1}| x_나는 -x_티|) ÷ n이지만 둘 사이의 기능적 차이는 없습니다.

SAE를 n으로 나눕니다. 위에서 언급 한 것처럼 데이터의 총 포인트 세트 수입니다. 이전 예를 계속하면 MAE = 36 ÷ 10 또는 3.6이됩니다.

필요한 경우 총계를 설정된 유효 자릿수로 반올림하십시오. 위에서 사용한 예에서는이를 필요로하지 않지만 MAE = 2.34678361 또는 반복되는 수치와 같은 수치를 제공하는 계산은 MAE = 2.347과 같이 더 관리하기 쉬운 것으로 반올림해야 할 수도 있습니다. 사용되는 후행 자릿수는 개인 취향 및 작업의 기술 사양에 따라 다릅니다.