Регрессия scikit-learn: baseline, MAE и ошибки — задачи

Практика регрессии: LinearRegression, baseline, MAE на train и test и анализ крупных ошибок.

Состав подборки: 4 задачи на код. Условия и формат проверки указаны на странице каждой задачи.

Разберите маленький пример

Для фактов [10, 20] и прогнозов [12, 16] абсолютные ошибки равны 2 и 4, а MAE — 3. Это средняя ошибка в единицах целевой переменной. Два очень разных распределения ошибок могут иметь одинаковую MAE, поэтому полезен разбор отдельных промахов.

На что обратить внимание

• Сопоставляйте прогнозы с теми же строками правильных ответов, сохраняя порядок.
• Baseline вычисляйте по обучающим данным, не используя ответы тестовой части.
• Сравнивайте качество модели и простого ориентира на одном наборе данных.
• Для сегментов с разными масштабами целевой переменной интерпретируйте MAE с учётом контекста.

Порядок практики

1. Линейная регрессия scikit-learn: diabetes, fit и predict — код.
2. MAE на train и test: сопоставьте прогнозы с правильными ответами — код.
3. Baseline регрессии: среднее, медиана и MAE модели — код.
4. Ошибки регрессии: residual, топ-5 промахов и MAE по группам — код.

Куда двигаться дальше

Полный начальный маршрут — бесплатный курс первой ML-модели на Python.

Следом — классификация и выбор порога.