Model
Metrik
MAE
44,49 cm
Random Forest sklearn
RMSE
67,39 cm
Random Forest sklearn
R²
0,0525
Random Forest sklearn
Data uji
40 catatan
13 kelurahan di luar data latih
Galat model
Prediksi dan nilai tercatat
Random Forest sklearn. 40 catatan uji.
Selisih terhadap baseline
Random Forest sklearn lawan Baseline mean. Negatif berarti model lebih baik.
Titik -7,16 cm. Rentang -19,35 sampai 4,26 cm. Negatif berarti model lebih baik.
Interval melintasi nol. Keunggulan model belum konsisten.
Metrik lengkap
| Model | Pustaka | MAE (cm) | RMSE (cm) | R² | CV MAE (cm) | SD fold (cm) |
|---|---|---|---|---|---|---|
| Baseline median | scikit-learn | 51,75 | 75,85 | -0,2005 | 41,61 | 5,69 |
| Baseline mean | scikit-learn | 51,66 | 71,50 | -0,0665 | 44,16 | 3,50 |
| Ridge | scikit-learn | 53,13 | 77,98 | -0,2687 | 41,41 | 1,43 |
| Random Forest sklearnDipilih melalui CV | scikit-learn | 44,49 | 67,39 | 0,0525 | 35,75 | 2,74 |
| Random Forest Spark | Spark MLlib | 45,61 | 68,33 | 0,0258 | 35,79 | 2,66 |
Definisi metrik
- MAE adalah rata-rata galat absolut dalam cm.
- RMSE adalah akar rata-rata galat kuadrat dalam cm.
- R² adalah proporsi variansi yang dijelaskan model. Nilai negatif tetap tampil.
- CV MAE adalah rata-rata galat validasi empat fold kelompok kelurahan.
- Interval selisih memakai 2.000 resample kelompok kelurahan.