Ein ML-Ingenieur muss Wohnungspreise für einen bestimmten Standort vorhersagen. Welche Bewertungsmetrik ist geeignet, um die Vorhersageleistung des Modells zu messen?

Die mittlere absolute Abweichung (MAE) ist die geeignete Metrik, da die Vorhersage von Wohnungspreisen ein Regressionsproblem ist. MAE misst den Durchschnitt der absoluten Fehler zwischen den vorhergesagten und den tatsächlichen Werten und gibt an, wie weit die Vorhersagen im Durchschnitt von den tatsächlichen Preisen abweichen. Accuracy, AUC und F1-Score sind Metriken für Klassifikationsprobleme. Accuracy misst den Anteil der korrekt klassifizierten Instanzen. AUC bewertet die Fähigkeit eines Klassifikationsmodells, positive und negative Klassen zu unterscheiden. Der F1-Score ist das harmonische Mittel aus Präzision und Recall und wird verwendet, wenn ein Ungleichgewicht der Klassen vorliegt. Diese Metriken sind für die Bewertung von kontinuierlichen Preisvorhersagen ungeeignet.