Вы планируете создать модель машинного обучения для предсказания температуры промышленного агрегата. Какие метрики из перечисленных стоит ис...

15 мая 2025

Ценообразование и оценка бизнеса

Условие:

Вы планируете создать модель машинного обучения для предсказания температуры промышленного агрегата. Какие метрики из перечисленных стоит использовать для оценки качества модели? Выберите верный ответ Только Accuracy Accuracy и F1-меру MAE и F1-меру MAE и Accuracy Только F1-меру Только MAE

Решение:

Для оценки качества модели предсказания температуры промышленного агрегата рекомендуется использовать метрики MAE (Mean Absolute Error) и Accuracy. MAE измеряет среднее абсолютное отклонение между предсказанными и фактическими значениями температуры. Чем ниже значение MAE, тем лучше модель предсказывает температуру. Accuracy измеряет долю правильных предсказаний модели. В данном случае, можно определить диапазон температур, в котором считается предсказание правильным, и сравнить количество правильных предсказаний с общим количеством предсказаний. Чем выше значение Accuracy, тем лучше модель предсказывает температуру. F1-мера является метрикой, которая учитывает как точность (precision), так и полноту (recall) предсказаний модели. Однако, в данном случае, предсказание температуры не требует оценки по классам, поэтому использование F1-меры не является необходимым. Таким образом, верный ответ - MAE и Accuracy.