RÉGRESSION / 09 · EXERCICE
MAE et poids des grands écarts
MAE signifie Mean Absolute Error : moyenne des valeurs absolues des résidus.
EXPLICATION DU CODE
Des erreurs de 1 et 10 contribuent pour 1 et 10 à la MAE, mais pour 1 et 100 à la somme des carrés. Doubler un écart double sa contribution absolue et quadruple sa contribution quadratique.
MAE et RMSE ont les mêmes unités. Pour les mêmes résidus, RMSE ≥ MAE.
Exemple expliqué
- 1
mae = np.mean(np.abs(y-y_hat))Une erreur moyenne exprimée en g/km.
- 2
np.abs(np.array([1, 10])) np.array([1, 10])**2Comparaison terme à terme de la pénalisation des petits et grands écarts.
EXERCICE / PYTHON
Code à compléter
Calculer et afficher mae et rmse sur les mêmes prédictions CO₂.
Saisie autonome · crédit complet après réussite
Le résultat apparaîtra ici.
Session Python
Les variables restent disponibles entre les pages. Un rechargement efface les variables ; le code et l’utilisation de l’aide restent enregistrés dans cet onglet.