Bir ML mühendisi, 10 yıllık geçmiş verileri kullanarak sürekli sayısal tahminler yapmak için SageMaker Canvas'ta bir model oluşturuyor. Mühendis, modelin tahmine dayalı performansını değerlendirmek için hangi değerlendirme metriklerini kullanmalıdır?

Bir ML mühendisi, sürekli sayısal tahminler yapmak için bir model oluşturduğunda, modelin tahminlerinin gerçek değerlere ne kadar yakın olduğunu değerlendirmek için regresyon metrikleri kullanmalıdır. RMSE (Root Mean Square Error), regresyon modellerinin performansını ölçmek için yaygın olarak kullanılan bir metriktir. Tahmin edilen değerler ile gerçek değerler arasındaki farkların karelerinin ortalamasının karekökünü alarak modelin ortalama hata büyüklüğünü verir. Daha düşük bir RMSE değeri, daha iyi bir model performansı anlamına gelir. Accuracy (Doğruluk) ve AUC (Eğri Altındaki Alan), sınıflandırma modelleri için kullanılan metriklerdir. InferenceLatency (Çıkarım Gecikmesi) ise modelin tahmin üretme hızını ölçer, ancak tahminin doğruluğunu değil, performansını değerlendirir.