Un ingénieur ML doit prédire les prix des appartements pour un emplacement particulier. Quelle métrique d'évaluation est appropriée pour mesurer la performance prédictive du modèle ?

L'erreur absolue moyenne (MAE) est la métrique la plus appropriée pour évaluer la performance d'un modèle de régression prédisant les prix des appartements. La MAE mesure la moyenne des erreurs absolues entre les prédictions du modèle et les valeurs réelles, fournissant une mesure directe de l'ampleur moyenne des erreurs de prédiction, exprimée dans la même unité que la variable cible (les prix). La Précision (Accuracy), l'Aire sous la courbe ROC (AUC) et le Score F1 sont des métriques utilisées pour les problèmes de classification, où le modèle prédit une catégorie ou une classe, et non une valeur numérique continue comme un prix.