Welche Bewertungsmetriken sollte der Data Scientist beim Training eines Regressionsmodells, das die Lieferzeit in Minuten vorhersagt, verwenden? (Wählen Sie zwei.)

Beim Training eines Regressionsmodells, das einen kontinuierlichen Wert wie die Lieferzeit vorhersagt, sind Metriken erforderlich, die die Differenz zwischen vorhergesagten und tatsächlichen Werten quantifizieren. Mean Squared Error (MSE) und Root Mean Squared Error (RMSE) sind beides gängige und effektive Metriken für Regressionsaufgaben. MSE berechnet den Durchschnitt der quadrierten Fehler, während RMSE die Quadratwurzel des MSE ist und die Fehler in den ursprünglichen Einheiten des Zielwerts darstellt, was die Interpretierbarkeit verbessert. InferenceLatency ist eine Metrik für die Modellleistung (Geschwindigkeit), nicht für die Vorhersagegenauigkeit. Precision und Accuracy sind Klassifizierungsmetriken, die für die Vorhersage diskreter Klassen und nicht für kontinuierliche Werte verwendet werden.