Un ingegnere ML sta creando un modello in SageMaker Canvas per effettuare previsioni numeriche continue utilizzando 10 anni di dati storici. Quale metrica di valutazione dovrebbe usare l'ingegnere per valutare le prestazioni predittive del modello?

RMSE (Root Mean Square Error) è la metrica più appropriata per valutare le prestazioni di un modello che effettua previsioni numeriche continue, come in questo caso. Misura la deviazione standard dei residui (errori di previsione), indicando quanto i punti dati sono sparsi attorno alla linea di regressione. Un RMSE inferiore indica una migliore accuratezza predittiva. Accuracy (accuratezza) è usata per problemi di classificazione, dove il modello predice una categoria discreta, non un valore numerico continuo. InferenceLatency (latenza di inferenza) misura il tempo impiegato per generare una previsione e non valuta l'accuratezza predittiva del modello. AUC (Area Under the ROC Curve) è anch'essa una metrica per problemi di classificazione binaria, che valuta la capacità del modello di distinguere tra le classi.