МЕТРИКИ РЕГРЕССИИ В МАШИННОМ ОБУЧЕНИИ | MAE, MSE, RMSE, R2, коэффициент детерминации. 

Метрики качества позволяют оценивать способность моделей машинного обучения восстанавливать закономерности из данных. В этом видео рассмотрим, какие есть метрики для задачи регрессии - задача машинного обучения, где предсказывается вещественная величина.
Курсы на платформе Stepik:
1. Библиотеки Python для Data Science stepik.org/a/129105
2. Введение в нейронные сети (Keras/Tensorflow) stepik.org/a/127274
Метрики помогают понять, когда модель начинает переобучаться, про это явление можете посмотреть в видео ( • ПЕРЕОБУЧЕНИЕ И НЕДООБУ... )
Презентация из видео:
docs.google.com/presentation/...
Ноутбук из видео:
colab.research.google.com/dri...
0:00 Задача регрессии
0:32 Получение данных
1:02 Обучение модели
1:25 Подсчет отклонения предсказания от истины
2:16 Проблема в подсчете отклонения
3:03 Средне-абсолютная ошибка (MAE)
4:18 Средне-квадратичная ошибка (MSE)
5:24 Проблема в интерпретации MSE
5:53 Root mean squared error (RMSE)
6:24 Насколько плохой может быть метрика
8:04 Коэффициент детерминации (R2)
9:38 Отрицательный коэффициент детерминации R2
11:30 Резюме