Een ML-engineer moet appartementprijzen voor een specifieke locatie voorspellen. Welke evaluatiestatistiek is geschikt voor het meten van de voorspellende prestaties van het model?

Mean Absolute Error (MAE) is de geschikte evaluatiestatistiek omdat het een regressieprobleem betreft (voorspellen van continue waarden zoals appartementprijzen). MAE meet de gemiddelde absolute verschillen tussen de voorspelde en de werkelijke waarden, wat een duidelijke indicatie geeft van de gemiddelde voorspellingsfout in dezelfde eenheid als de te voorspellen variabele. Accuracy, AUC en F1 score zijn classificatiestatistieken, die worden gebruikt voor problemen waarbij discrete klassen moeten worden voorspeld (bijvoorbeeld wel/geen fraude, kat/hond). Deze zijn niet van toepassing op het voorspellen van appartementprijzen, wat een continue output vereist.