विषय
आंकड़ों में, आपके द्वारा उपलब्ध आंकड़ों के आधार पर आप पूर्वानुमान लगाते हैं। दुर्भाग्य से, पूर्वानुमान हमेशा डेटा द्वारा उत्पन्न वास्तविक मूल्यों से मेल नहीं खाते हैं। पूर्वानुमान और आपके डेटा के वास्तविक मूल्यों के बीच अंतर जानना उपयोगी है क्योंकि यह भविष्य के पूर्वानुमानों को परिष्कृत करने और उन्हें अधिक सटीक बनाने में आपकी सहायता कर सकता है। यह जानने के लिए कि आपके पूर्वानुमान और उत्पादित वास्तविक मूल्य के बीच कितना अंतर है, आपको डेटा की औसत निरपेक्ष त्रुटि (जिसे एमएई भी कहा जाता है) की गणना करने की आवश्यकता है।
SAE की गणना करें
इससे पहले कि आप अपने डेटा के MAE की गणना कर सकें, आपको सबसे पहले पूर्ण त्रुटियों (SAE) की गणना करने की आवश्यकता है। SAE का सूत्र is हैnमैं = 1| xमैं - एक्सटी|, यदि आप पहले से ही भ्रम की स्थिति में हैं, तो आप संकेतन संकेतन का उपयोग कर सकते हैं। हालांकि, वास्तविक प्रक्रिया काफी सीधी है।
वास्तविक मान घटाएँ (x द्वारा दर्शाया गया)टी) मापा मूल्य से (एक्स द्वारा सूचित)मैं), संभवतः आपके डेटा बिंदुओं के आधार पर एक नकारात्मक परिणाम उत्पन्न कर रहा है। सकारात्मक संख्या उत्पन्न करने के लिए परिणाम का पूर्ण मूल्य लें। एक उदाहरण के रूप में, यदि xमैं 5 और x हैटी 7, 5 - 7 = -2 है। -2 का निरपेक्ष मान (द्वारा चिह्नित -2 |) 2 है।
अपने डेटा में माप और पूर्वानुमान के प्रत्येक सेट के लिए इस प्रक्रिया को दोहराएं। सेट की संख्या को सूत्र में n, sign के साथ दर्शाया गया हैn मैं = 1 यह दर्शाता है कि प्रक्रिया पहले सेट (i = 1) से शुरू होती है और कुल n बार दोहराती है। पिछले उदाहरण में, मान लें कि उपयोग किए गए पिछले बिंदु डेटा बिंदुओं के 10 जोड़े में से एक थे। पहले उत्पन्न 2 के अलावा, शेष बिंदु सेट 1, 4, 3, 4, 2, 6, 3, 2 और 9 का पूर्ण मान उत्पन्न करते हैं।
अपने SAE जनरेट करने के लिए पूर्ण मान जोड़ें। उदाहरण के लिए, यह हमें SAE = 2 + 1 + 4 + 3 + 4 + 2 + 6 + 3 + 2 + 9 देता है, जो एक साथ जोड़े जाने पर हमें 36 का SAE देता है।
एमएई की गणना करें
एक बार जब आप एसएई की गणना करते हैं, तो आपको पूर्ण त्रुटियों का मतलब या औसत मूल्य खोजना होगा। इस परिणाम को प्राप्त करने के लिए सूत्र MAE = SAE to n का उपयोग करें। आप एक में संयुक्त दो सूत्र भी देख सकते हैं, जो एमएई = (two) की तरह दिखता हैnमैं = 1| xमैं - एक्सटी|) The एन, लेकिन दोनों के बीच कोई कार्यात्मक अंतर नहीं है।
अपने SAE को n से विभाजित करें, जैसा कि ऊपर बताया गया है कि आपके डेटा में पॉइंट सेट की कुल संख्या है। पिछले उदाहरण के साथ, यह हमें MAE = 36 3.6 10 या 3.6 देता है।
यदि आवश्यक हो तो अपने कुल अंकों को महत्वपूर्ण अंकों के लिए गोल करें। ऊपर उपयोग किए गए उदाहरण में इसके लिए कोई आवश्यकता नहीं है, लेकिन एक गणना जो आंकड़े प्रदान करती है जैसे कि MAE = 2.34678361 या एक दोहराई जाने वाली आकृति को MAE = 2.347 जैसे अधिक प्रबंधनीय के लिए गोलाई की आवश्यकता हो सकती है। उपयोग किए गए अनुगामी अंकों की संख्या व्यक्तिगत पसंद और आपके द्वारा किए जाने वाले कार्य की तकनीकी विशिष्टताओं पर निर्भर करती है।