Formulalarni qanday o‘qish kerak
Ikkala metrika ham «model qanchalik adashadi?» degan savolga javob beradi. $n$ ta obyekt bor; har biri uchun to‘g‘ri javob $y_i$ va model bashorati $\hat y_i$ («igrek qalpoqcha» deb o‘qiladi) ma’lum. $e_i = y_i - \hat y_i$ ayirma — $i$-obyektdagi xato.
- $y_i$
- $i$-obyekt uchun to‘g‘ri javob (haqiqat)
- $\hat y_i$
- $i$-obyekt uchun model bashorati
- $e_i = y_i - \hat y_i$
- xato: plyus — model kam ko‘rsatdi, minus — oshirib yubordi
- $n$
- obyektlar soni
- $\sum_{i=1}^{n}$
- $1$ dan $n$ gacha barcha obyektlar bo‘yicha yig‘indi
To‘rt qadamli retsept
- $(y_i,\ \hat y_i)$ juftlarini yozing va $e_i = y_i - \hat y_i$ xatolarni hisoblang.
- MAE uchun har bir xatoning modulini $|e_i|$, MSE uchun kvadratini $e_i^2$ oling.
- Barcha modullarni (yoki barcha kvadratlarni) qo‘shing.
- Yig‘indini $n$ ga bo‘ling — bu MAE (yoki MSE).
MAE — $y$ bilan bir xil birlikdagi o‘rtacha adashish kattaligi: «o‘rtacha 0,83 ga adashamiz». MSE — adashishning o‘rtacha kvadrati, «kvadrat» birliklarda; u katta xatolarga kuchliroq ta’sir qiladi. Ikkala metrika uchun ham: qancha kichik bo‘lsa, shuncha yaxshi, nol — ideal.
Teskari tarqatish uchun hosilalar
Neyron tarmoq shunday o‘rganadi: yo‘qotishni (masalan, MSE ni) hisoblaydi, keyin orqaga — yo‘qotishdan vaznlarga qarab — yuradi va har bir qatlamda hosilalarni zanjir qoidasi bo‘yicha ko‘paytiradi. Bu o‘tish xatoni teskari tarqatish (backpropagation) deb ataladi. Zanjirning eng birinchi bo‘g‘ini — yo‘qotishning $\hat y_i$ bashorat bo‘yicha hosilasi: u har bir bashoratni qaysi tomonga va qanchalik kuchli siljitishni aytadi. Agar MAE va MSE bilan endigina tanishayotgan bo‘lsangiz, bu bo‘limni o‘tkazib yuborib, keyinroq qaytishingiz mumkin.
- $g_i$
- yo‘qotishning $\hat y_i$ bashorat bo‘yicha hosilasi, $\nabla_{\hat y} L = (g_1, \dots, g_n)$ gradiyentning komponenti
MSE ning hosilasi
Butun yig‘indidan $\hat y_i$ ga faqat bitta qo‘shiluvchi bog‘liq: $(y_i - \hat y_i)^2$. Kvadratning hosilasi — «ikki karra ifoda», $y_i - \hat y_i$ ifodaning $\hat y_i$ bo‘yicha hosilasi esa $-1$ (zanjir qoidasi). Shuning uchun ishora: $(\hat y_i - y_i)$, $(y_i - \hat y_i)$ emas.
MAE ning hosilasi
$|x|$ modulning hosilasi noldan o‘ngda $1$ ga, chapda $-1$ ga teng. $x = 0$ nuqtaning o‘zida modul sinadi va hosila yo‘q; amalda $0$ olinadi — bu joiz qiymatlardan biri (subgradiyent), PyTorch va NumPy shunday qiladi.
Plyus — bashorat oshirilgan, tushish uni kamaytiradi; minus — kam ko‘rsatilgan, tushish uni oshiradi; nol — obyekt joyida qoladi. Gradiyent tushish qadami: $\hat y_i \leftarrow \hat y_i - \eta\, g_i$, bu yerda $\eta$ — o‘rganish tezligi (learning rate). Metrikalarning asosiy farqi: MSE da signal kuchi xatoga mutanosib, MAE da esa har doim $\tfrac{1}{n}$.
Doskadagi misol: gradiyent va bitta tushish qadami
$y = (3;\ 5;\ 8)$ va $\hat y = (2{,}5;\ 5;\ 10)$ uchun har bir bashorat bo‘yicha hosilalar:
| $i$ | $y_i$ | $\hat y_i$ | MAE uchun $g_i$ | MSE uchun $g_i$ |
|---|---|---|---|---|
| 1 | 3 | 2,5 | ≈ −0,33 | ≈ −0,33 |
| 2 | 5 | 5 | 0 | 0 |
| 3 | 8 | 10 | ≈ 0,33 | ≈ 1,33 |
To‘g‘ridan-to‘g‘ri bashoratlar bo‘yicha $\eta = 0{,}3$ bilan bitta tushish qadamini qo‘yamiz — avval MSE gradiyenti, keyin MAE gradiyenti bo‘yicha:
Ikkala metrika kamaydi: MSE ≈ 1,42 → ≈ 0,91, MAE ≈ 0,83 → ≈ 0,77. MSE uchinchi bashoratni eng ko‘p siljitdi — xato eng katta bo‘lgan joyni.
Haqiqiy tarmoqda bashoratlar to‘g‘ridan-to‘g‘ri siljitilmaydi — vaznlar siljitiladi. Bashoratlar bo‘yicha gradiyent — vaznlarga qaytib boradigan signal; qanday qilib — «Bashoratdan vaznlarga» bo‘limida ko‘rsatilgan. Quyidagi har bir misolda hosilalar «Teskari tarqatish uchun hosilalar» blokida yozilgan.
Doskadagi misol
Darsda yechilgan misoldan boshlaymiz: uchta obyekt va uchta bashorat. Quyidagi har bir qadam — doskada yozilganining aynan o‘zi, faqat batafsilroq.
Doskadagi misol
$y = (3;\ 5;\ 8)$, $\hat y = (2{,}5;\ 5;\ 10)$. MAE va MSE ni toping.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 3 | 2,5 | 0,5 | 0,5 | 0,25 |
| 2 | 5 | 5 | 0 | 0 | 0 |
| 3 | 8 | 10 | −2 | 2 | 4 |
| Yig‘indi | 2,5 | 4,25 | |||
| O‘rtacha (÷ 3) | ≈ 0,83 | ≈ 1,42 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 3-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 1,33 — unda eng katta xato (2).
3-obyekt (xato 2) MSE dan 1,33 signal oladi — 0,5 xatoli 1-obyektdan (0,33) to‘rt baravar kuchli. MAE da ikkala signal modul bo‘yicha bir xil — 0,33: modul «ozgina» va «ko‘p»ni farqlamaydi.
Javob: $\mathrm{MAE} \approx 0{,}83$, $\mathrm{MSE} \approx 1{,}42$
Uchta xatodan ikkitasi kichik, bittasi 2 ga teng. MAE ≈ 0,83 — «o‘rtacha birdan kamroqqa adashamiz». MSE ≈ 1,42 MAE dan katta: 2 xatoning kvadrati 4 ga teng va o‘rtachani o‘ziga tortadi.
Qizish
Retsept odatga aylanishi uchun oddiy sonlar to‘plamlari. Birinchi masala ochiq, qolganlarini o‘zingiz yechib ko‘ring.
Mukammal bashorat
$y = (2;\ 4;\ 6)$, $\hat y = (2;\ 4;\ 6)$. MAE va MSE ni toping.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 2 | 2 | 0 | 0 | 0 |
| 2 | 4 | 4 | 0 | 0 | 0 |
| 3 | 6 | 6 | 0 | 0 | 0 |
| Yig‘indi | 0 | 0 | |||
| O‘rtacha (÷ 3) | 0 | 0 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
Barcha hosilalar nolga teng: bashorat allaqachon mukammal, teskari tarqatishda tuzatadigan narsa yo‘q.
Javob: $\mathrm{MAE} = 0$, $\mathrm{MSE} = 0$
Barcha xatolar nolga teng, demak MAE = 0 va MSE = 0. Ikkala metrika ham noldan kichik bo‘lmaydi: modul va kvadrat manfiy emas.
Faqat bitta nuqtadagi xato
$y = (1;\ 2;\ 3;\ 4)$, $\hat y = (1;\ 2;\ 3;\ 6)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 4$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 4$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 1 | 1 | 0 | 0 | 0 |
| 2 | 2 | 2 | 0 | 0 | 0 |
| 3 | 3 | 3 | 0 | 0 | 0 |
| 4 | 4 | 6 | −2 | 2 | 4 |
| Yig‘indi | 2 | 4 | |||
| O‘rtacha (÷ 4) | 0,5 | 1 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,25 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Javob: $\mathrm{MAE} = 0{,}5$, $\mathrm{MSE} = 1$
To‘rtta obyektda bitta 2 xato: MAE = 2 / 4 = 0,5. MSE ga esa u 2² = 4 bo‘lib kiradi, shuning uchun MSE = 1 — MAE dan ikki baravar katta.
Hamma joyda bir xil xato
$y = (5;\ 7;\ 9)$, $\hat y = (6;\ 8;\ 10)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 5 | 6 | −1 | 1 | 1 |
| 2 | 7 | 8 | −1 | 1 | 1 |
| 3 | 9 | 10 | −1 | 1 | 1 |
| Yig‘indi | 3 | 3 | |||
| O‘rtacha (÷ 3) | 1 | 1 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Javob: $\mathrm{MAE} = 1$, $\mathrm{MSE} = 1$
Model hamma joyda 1 ga oshirib yuboradi. Agar barcha |eᵢ| bir xil va a ga teng bo‘lsa, MAE = a, MSE = a². Bu yerda a = 1, shuning uchun ikkala metrika ham 1 ga teng.
Xatoning ishorasi muhim emas
$y = (10;\ 20)$, $\hat y = (12;\ 18)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 2$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 2$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 10 | 12 | −2 | 2 | 4 |
| 2 | 20 | 18 | 2 | 2 | 4 |
| Yig‘indi | 4 | 8 | |||
| O‘rtacha (÷ 2) | 2 | 4 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,5 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Javob: $\mathrm{MAE} = 2$, $\mathrm{MSE} = 4$
Birinchi xato −2 (model oshirib yubordi), ikkinchisi +2 (kam ko‘rsatdi). Modul va kvadrat ishorani olib tashlaydi: ikkala xato ham MAE da 2, MSE da 4 beradi. Yuqoriga va pastga adashishlar bir-birini yo‘qqa chiqarmaydi.
Birdan kichik xatolar
$y = (1;\ 1)$, $\hat y = (1{,}5;\ 0{,}5)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 2$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 2$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 1 | 1,5 | −0,5 | 0,5 | 0,25 |
| 2 | 1 | 0,5 | 0,5 | 0,5 | 0,25 |
| Yig‘indi | 1 | 0,5 | |||
| O‘rtacha (÷ 2) | 0,5 | 0,25 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,5 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Javob: $\mathrm{MAE} = 0{,}5$, $\mathrm{MSE} = 0{,}25$
Bu yerda MSE = 0,25 MAE = 0,5 dan kichik: 1 dan kichik sonning kvadrati yanada kichrayadi (0,5² = 0,25). Shuning uchun MAE va MSE ni kattaligi bo‘yicha solishtirish ma’nosiz — ularning birliklari va tabiati har xil.
Beshta obyekt — 5 ga bo‘lamiz
$y = (2;\ 4;\ 6;\ 8;\ 10)$, $\hat y = (3;\ 3;\ 7;\ 7;\ 10)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 5$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 5$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 2 | 3 | −1 | 1 | 1 |
| 2 | 4 | 3 | 1 | 1 | 1 |
| 3 | 6 | 7 | −1 | 1 | 1 |
| 4 | 8 | 7 | 1 | 1 | 1 |
| 5 | 10 | 10 | 0 | 0 | 0 |
| Yig‘indi | 4 | 4 | |||
| O‘rtacha (÷ 5) | 0,8 | 0,8 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,2 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Javob: $\mathrm{MAE} = 0{,}8$, $\mathrm{MSE} = 0{,}8$
Har doim obyektlar soni n ga bo‘lamiz, noldan farqli xatolar soniga emas: xato to‘rtta, obyekt esa beshta, shuning uchun MAE = 4 / 5 = 0,8.
Manfiy sonlar, kasrlar va bitta obyekt
Xuddi shu retsept, lekin sonlar murakkabroq: minuslar, kasrlar va obyekt bittagina bo‘lgan hol.
Manfiy sonlar: harorat
$y = (-2;\ 0;\ 3)$, $\hat y = (1;\ -1;\ 3)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | −2 | 1 | −3 | 3 | 9 |
| 2 | 0 | −1 | 1 | 1 | 1 |
| 3 | 3 | 3 | 0 | 0 | 0 |
| Yig‘indi | 4 | 10 | |||
| O‘rtacha (÷ 3) | ≈ 1,33 | ≈ 3,33 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 1-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 2 — unda eng katta xato (3).
Javob: $\mathrm{MAE} \approx 1{,}33$, $\mathrm{MSE} \approx 3{,}33$
Asosiysi — ehtiyotkorlik bilan ayirish: 0 − (−1) = 0 + 1 = 1, (−3)² esa 9 ga teng, −9 ga emas. Modul va kvadrat hech qachon manfiy bo‘lmaydi.
O‘nli kasrlar
$y = (1{,}2;\ 2{,}5;\ 3{,}1)$, $\hat y = (1;\ 2{,}9;\ 3{,}1)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 1,2 | 1 | 0,2 | 0,2 | 0,04 |
| 2 | 2,5 | 2,9 | −0,4 | 0,4 | 0,16 |
| 3 | 3,1 | 3,1 | 0 | 0 | 0 |
| Yig‘indi | 0,6 | 0,2 | |||
| O‘rtacha (÷ 3) | 0,2 | ≈ 0,0667 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 2-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 0,27 — unda eng katta xato (0,4).
Javob: $\mathrm{MAE} = 0{,}2$, $\mathrm{MSE} \approx 0{,}0667$
Kasrlar bilan ham xuddi shunday, faqat kvadratlarda ehtiyot bo‘ling: 0,2² = 0,04 va 0,4² = 0,16. MSE ≈ 0,0667 MAE = 0,2 dan ancha kichik — barcha xatolar 1 dan kichik.
Bitta obyekt, n = 1
$y = (7)$, $\hat y = (4)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 1$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 1$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 7 | 4 | 3 | 3 | 9 |
| Yig‘indi | 3 | 9 | |||
| O‘rtacha (÷ 1) | 3 | 9 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±1 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Javob: $\mathrm{MAE} = 3$, $\mathrm{MSE} = 9$
n = 1 da o‘rtacha olishga hojat yo‘q: MAE — xatoning moduli (3), MSE — uning kvadrati (9).
MAE MSE dan nimasi bilan farq qiladi
Bu yerda misollar metrikalar «bahslashadigan» qilib tanlangan: bir xil MAE va har xil MSE, chetga chiquvchi qiymat, ikki baravar xatolar, o‘rtacha va mediana.
Bir xil MAE — har xil MSE
$y = (3;\ 5;\ 7;\ 9)$. Model A: $\hat y = (4;\ 6;\ 6;\ 8)$; Model B: $\hat y = (3;\ 5;\ 7;\ 5)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
Model A
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 4$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 4$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 3 | 4 | −1 | 1 | 1 |
| 2 | 5 | 6 | −1 | 1 | 1 |
| 3 | 7 | 6 | 1 | 1 | 1 |
| 4 | 9 | 8 | 1 | 1 | 1 |
| Yig‘indi | 4 | 4 | |||
| O‘rtacha (÷ 4) | 1 | 1 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,25 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Model B
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 4$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 4$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 3 | 3 | 0 | 0 | 0 |
| 2 | 5 | 5 | 0 | 0 | 0 |
| 3 | 7 | 7 | 0 | 0 | 0 |
| 4 | 9 | 5 | 4 | 4 | 16 |
| Yig‘indi | 4 | 16 | |||
| O‘rtacha (÷ 4) | 1 | 4 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,25 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
MSE gradiyentlari xuddi shu farqni ko‘rsatadi: A modelda to‘rtala signal 0,5 dan, B modelda butun −2 signal bitta nuqtaga to‘g‘ri keladi. MAE da bu nuqtaning signali bor-yo‘g‘i −0,25 — boshqa har qanday xato kabi.
Solishtirish
| MAE | MSE | |
|---|---|---|
| Model A | 1 | 1 |
| Model B | 1 | 4 |
Javob: Model A: $\mathrm{MAE} = 1$, $\mathrm{MSE} = 1$; Model B: $\mathrm{MAE} = 1$, $\mathrm{MSE} = 4$
Ikkala modelda ham MAE = 1. Lekin A hamma joyda ozgina adashadi, B esa uchta nuqtada aniq va bittasida qattiq adashadi. MSE buni farqlaydi: A da 1, B da 4. MSE katta adashishlarni «jazolaydi».
Chetga chiquvchi qiymat
$y = (2;\ 3;\ 4;\ 20)$, $\hat y = (3;\ 3;\ 3;\ 4)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 4$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 4$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 2 | 3 | −1 | 1 | 1 |
| 2 | 3 | 3 | 0 | 0 | 0 |
| 3 | 4 | 3 | 1 | 1 | 1 |
| 4 | 20 | 4 | 16 | 16 | 256 |
| Yig‘indi | 18 | 258 | |||
| O‘rtacha (÷ 4) | 4,5 | 64,5 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,25 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 4-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 8 — unda eng katta xato (16).
MSE bo‘yicha o‘qitishda chetga chiquvchi qiymat −8 signal oladi — boshqa nuqtalardan (±0,5) 16 baravar kuchli — va modelni o‘ziga tortadi. MAE bo‘yicha uning signali −0,25 — oddiy xatoniki bilan bir xil. Shuning uchun ma’lumotlarda chetga chiquvchilar bo‘lsa, MAE yoki uning silliq qarindoshi — Huber bo‘yicha o‘qitiladi.
Javob: $\mathrm{MAE} = 4{,}5$, $\mathrm{MSE} = 64{,}5$
Bitta nuqta (y = 20) uzoqqa ketgan. MAE da uning 16 xatosi 18 lik yig‘indining 16 tasini beradi, MSE da esa 258 ning 256 tasini — deyarli butun metrika bitta nuqtadan. MSE chetga chiquvchi qiymatlarga juda sezgir, MAE ancha xotirjam.
Ikki baravar katta xatolar
$y = (1;\ 2;\ 3)$. Model A: $\hat y = (2;\ 3;\ 4)$; Model B: $\hat y = (3;\ 4;\ 5)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
Model A
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 1 | 2 | −1 | 1 | 1 |
| 2 | 2 | 3 | −1 | 1 | 1 |
| 3 | 3 | 4 | −1 | 1 | 1 |
| Yig‘indi | 3 | 3 | |||
| O‘rtacha (÷ 3) | 1 | 1 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Model B
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 1 | 3 | −2 | 2 | 4 |
| 2 | 2 | 4 | −2 | 2 | 4 |
| 3 | 3 | 5 | −2 | 2 | 4 |
| Yig‘indi | 6 | 12 | |||
| O‘rtacha (÷ 3) | 2 | 4 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Xatolarni ikki baravar oshirish MSE gradiyentini ham ikki baravar oshiradi (0,67 → 1,33), MAE gradiyenti esa o‘zgarmaydi (0,33): u faqat xatoning ishorasiga bog‘liq.
Solishtirish
| MAE | MSE | |
|---|---|---|
| Model A | 1 | 1 |
| Model B | 2 | 4 |
Javob: Model A: $\mathrm{MAE} = 1$, $\mathrm{MSE} = 1$; Model B: $\mathrm{MAE} = 2$, $\mathrm{MSE} = 4$
B modeli A dan ikki baravar ko‘p adashadi (1 o‘rniga 2 ga). MAE ham ikki baravar oshadi (1 → 2), MSE esa to‘rt baravar (1 → 4): ikki baravar oshgan sonning kvadrati 4 baravar katta.
Hammaga bitta son: o‘rtacha yoki mediana?
$y = (2;\ 4;\ 9)$. Model A: $\hat y = (5;\ 5;\ 5)$; Model B: $\hat y = (4;\ 4;\ 4)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
Model A
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 2 | 5 | −3 | 3 | 9 |
| 2 | 4 | 5 | −1 | 1 | 1 |
| 3 | 9 | 5 | 4 | 4 | 16 |
| Yig‘indi | 8 | 26 | |||
| O‘rtacha (÷ 3) | ≈ 2,67 | ≈ 8,67 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 3-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 2,67 — unda eng katta xato (4).
Model B
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 2 | 4 | −2 | 2 | 4 |
| 2 | 4 | 4 | 0 | 0 | 0 |
| 3 | 9 | 4 | 5 | 5 | 25 |
| Yig‘indi | 7 | 29 | |||
| O‘rtacha (÷ 3) | ≈ 2,33 | ≈ 9,67 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 3-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 3,33 — unda eng katta xato (5).
Agar model bitta $c$ son bo‘lsa, u bo‘yicha hosila gradiyent komponentlari yig‘indisiga teng. MSE da u $c = 5$ da (o‘rtacha) nolga teng: $2 + 0{,}67 - 2{,}67 = 0$; MAE da — $c = 4$ da (mediana): $0{,}33 + 0 - 0{,}33 = 0$. Hosilaning nolga tengligi — minimum: shuning uchun eng yaxshi o‘zgarmaslar — o‘rtacha va mediana.
Solishtirish
| MAE | MSE | |
|---|---|---|
| Model A | ≈ 2,67 | ≈ 8,67 |
| Model B | ≈ 2,33 | ≈ 9,67 |
Javob: Model A: $\mathrm{MAE} \approx 2{,}67$, $\mathrm{MSE} \approx 8{,}67$; Model B: $\mathrm{MAE} \approx 2{,}33$, $\mathrm{MSE} \approx 9{,}67$
A modeli har doim o‘rtacha (2 + 4 + 9) / 3 = 5 bilan, B modeli esa mediana 4 bilan javob beradi. MAE bo‘yicha mediana yaxshiroq (mediana — ≈ 2,33, o‘rtacha — ≈ 2,67), MSE bo‘yicha — o‘rtacha (o‘rtacha — ≈ 8,67, mediana — ≈ 9,67). Bu umumiy qoida: barcha o‘zgarmaslar orasida MAE ni mediana, MSE ni esa o‘rtacha minimallashtiradi.
Ishorali o‘rtacha xato aldaydi
$y = (10;\ 10;\ 10;\ 10)$, $\hat y = (15;\ 5;\ 15;\ 5)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 4$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 4$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 10 | 15 | −5 | 5 | 25 |
| 2 | 10 | 5 | 5 | 5 | 25 |
| 3 | 10 | 15 | −5 | 5 | 25 |
| 4 | 10 | 5 | 5 | 5 | 25 |
| Yig‘indi | 20 | 100 | |||
| O‘rtacha (÷ 4) | 5 | 25 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,25 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Javob: $\mathrm{MAE} = 5$, $\mathrm{MSE} = 25$
−5, +5, −5, +5 xatolar yig‘indisi 0 — «o‘rtacha model adashmaydi»mi? Yo‘q: har bir bashorat 5 ga xato. Shuning uchun metrikalarda modul yoki kvadrat olinadi: MAE = 5, MSE = 25.
Hayotdagidek
O‘lchov birliklari, baholar, yetkazib berish vaqti, «teskari» masala va asosiy amaliy savol — qaysi modelni tanlash.
Mingliklardagi narxlar: o‘lchov birliklari
$y = (100;\ 150;\ 200)$, $\hat y = (110;\ 140;\ 230)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 100 | 110 | −10 | 10 | 100 |
| 2 | 150 | 140 | 10 | 10 | 100 |
| 3 | 200 | 230 | −30 | 30 | 900 |
| Yig‘indi | 50 | 1100 | |||
| O‘rtacha (÷ 3) | ≈ 16,67 | ≈ 366,67 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 3-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 20 — unda eng katta xato (30).
Javob: $\mathrm{MAE} \approx 16{,}67$, $\mathrm{MSE} \approx 366{,}67$
Narxlar ming dollarda. MAE ≈ 16,67 ham mingda: «o‘rtacha 16,7 mingga adashamiz». MSE ≈ 366,67 esa «mingning kvadrati»da o‘lchanadi — buni buyurtmachiga tushuntirish qiyin. Shuning uchun yonida ko‘pincha RMSE = √MSE ≈ 19,15 ming hisoblanadi.
Olti o‘quvchining baholari
$y = (5;\ 4;\ 3;\ 5;\ 4;\ 2)$, $\hat y = (4;\ 4;\ 4;\ 4;\ 4;\ 4)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 6$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 6$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 5 | 4 | 1 | 1 | 1 |
| 2 | 4 | 4 | 0 | 0 | 0 |
| 3 | 3 | 4 | −1 | 1 | 1 |
| 4 | 5 | 4 | 1 | 1 | 1 |
| 5 | 4 | 4 | 0 | 0 | 0 |
| 6 | 2 | 4 | −2 | 2 | 4 |
| Yig‘indi | 5 | 7 | |||
| O‘rtacha (÷ 6) | ≈ 0,83 | ≈ 1,17 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,17 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 6-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 0,67 — unda eng katta xato (2).
Javob: $\mathrm{MAE} \approx 0{,}83$, $\mathrm{MSE} \approx 1{,}17$
Model hammaga «4» qo‘yadi. Uchtasida 1 ga, bittasida 2 ga adashadi: MAE = 5 / 6 ≈ 0,83 ball. MSE da 2 xato 7 dan 4 ni beradi, shuning uchun MSE ≈ 1,17 MAE dan sezilarli katta.
Yetkazib berish vaqti daqiqalarda
$y = (30;\ 45;\ 60)$, $\hat y = (35;\ 45;\ 50)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 30 | 35 | −5 | 5 | 25 |
| 2 | 45 | 45 | 0 | 0 | 0 |
| 3 | 60 | 50 | 10 | 10 | 100 |
| Yig‘indi | 15 | 125 | |||
| O‘rtacha (÷ 3) | 5 | ≈ 41,67 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 3-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 6,67 — unda eng katta xato (10).
Javob: $\mathrm{MAE} = 5$, $\mathrm{MSE} \approx 41{,}67$
MAE = 5 daqiqa — mijoz uchun tushunarli javob: «o‘rtacha kuryer 5 daqiqa kechikadi yoki erta keladi». MSE ≈ 41,67 «daqiqa kvadrati» modelni o‘qitish uchun qulay, lekin tushuntirish uchun emas.
Teskari masala: bashoratni toping
Ma’lum: $y = (4;\ 6)$, birinchi bashorat $\hat y_1 = 5$, $\mathrm{MAE} = 1$. Ikkinchi bashorat $\hat y_2$ va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
1. $n = 2$ uchun MAE ni yozamiz va ma’lumlarni qo‘yamiz:
2. Ikkala tomonni 2 ga ko‘paytiramiz va ma’lum modulni o‘tkazamiz:
3. Modul 1 ga teng, demak uning ichidagi ifoda $1$ yoki $-1$:
4. Ikkala javob uchun MSE ni tekshiramiz — u bir xil:
Javob: $\hat y_2 = 5$ yoki $\hat y_2 = 7$; MSE = 1.
Teskari masala ham xuddi shu retsept bilan yechiladi: formulani yozish, ma’lumni qo‘yish va noma’lumni topish. Modul ikkita javob beradi — bashorat yuqoriga ham, pastga ham adashishi mumkin edi.
Qaysi model yaxshiroq?
$y = (10;\ 20;\ 30)$. Model A: $\hat y = (12;\ 18;\ 33)$; Model B: $\hat y = (10;\ 20;\ 36)$. MAE va MSE ni toping.
Avval o‘zingiz yechib ko‘ring, keyin yechimni oching.
Yechim va javob
Model A
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 10 | 12 | −2 | 2 | 4 |
| 2 | 20 | 18 | 2 | 2 | 4 |
| 3 | 30 | 33 | −3 | 3 | 9 |
| Yig‘indi | 7 | 17 | |||
| O‘rtacha (÷ 3) | ≈ 2,33 | ≈ 5,67 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE 3-obyektni eng kuchli tortadi: uning signali modul bo‘yicha 2 — unda eng katta xato (3).
Model B
1. Har bir obyektning xatosi $e_i = y_i - \hat y_i$ va uning moduli:
2. Modullar yig‘indisi:
3. MAE — yig‘indini $n = 3$ ga bo‘lamiz:
4. Har bir xatoning kvadrati:
5. Kvadratlar yig‘indisi:
6. MSE — yig‘indini $n = 3$ ga bo‘lamiz:
| $i$ | $y_i$ | $\hat y_i$ | $e_i$ | $|e_i|$ | $e_i^2$ |
|---|---|---|---|---|---|
| 1 | 10 | 10 | 0 | 0 | 0 |
| 2 | 20 | 20 | 0 | 0 | 0 |
| 3 | 30 | 36 | −6 | 6 | 36 |
| Yig‘indi | 6 | 36 | |||
| O‘rtacha (÷ 3) | 2 | 12 | |||
Teskari tarqatish uchun hosilalar
7. MAE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{1}{n}\operatorname{sign}(\hat y_i - y_i)$:
8. MSE ning har bir bashorat bo‘yicha hosilasi: $g_i = \frac{2}{n}(\hat y_i - y_i)$:
Bashoratlar bo‘yicha gradiyent vektorlari ($\nabla = \nabla_{\hat y}$):
MAE har bir adashishga bir xil kuchli $\pm\tfrac{1}{n}$ = ±0,33 signal beradi: faqat xatoning yo‘nalishi muhim. MSE da noldan farqli barcha signallar modul bo‘yicha bir xil: xatolar bir xil kattalikda.
Solishtirish
| MAE | MSE | |
|---|---|---|
| Model A | ≈ 2,33 | ≈ 5,67 |
| Model B | 2 | 12 |
Javob: Model A: $\mathrm{MAE} \approx 2{,}33$, $\mathrm{MSE} \approx 5{,}67$; Model B: $\mathrm{MAE} = 2$, $\mathrm{MSE} = 12$
MAE bo‘yicha B yaxshiroq (B — 2, A — ≈ 2,33): u uchta nuqtadan ikkitasida aniq. MSE bo‘yicha A yaxshiroq (A — ≈ 5,67, B — 12): unda katta adashish yo‘q. Javob masalaga bog‘liq: kamdan-kam katta xatolar xavfli bo‘lsa (masalan, ko‘prikka tushadigan yukni bashorat qilish), MSE bo‘yicha tanlang; odatiy xato muhim bo‘lsa — MAE bo‘yicha.
Bashoratdan vaznlarga: zanjir qoidasi
Aktivatsiya funksiyasiz eng oddiy neyronni olamiz: $\hat y_i = w\,x_i + b$. Kirishlar $x = (1;\ 2;\ 3)$, to‘g‘ri javoblar $y = (3;\ 5;\ 8)$, joriy vaznlar $w = 2$, $b = 0$ — demak, bashoratlar $\hat y = (2;\ 4;\ 6)$. Bashoratlar bo‘yicha gradiyent qanday qilib vaznlar bo‘yicha gradiyentga aylanadi?
Har bir bashorat $w$ ga $x_i$ ko‘paytuvchi orqali, $b$ ga esa $1$ ko‘paytuvchi bilan bog‘liq: $\frac{\partial \hat y_i}{\partial w} = x_i$, $\frac{\partial \hat y_i}{\partial b} = 1$. Zanjir qoidasi bo‘yicha:
MSE bo‘yicha
Bashoratlar bo‘yicha gradiyent:
Vaznlar bo‘yicha gradiyent:
$\eta = 0{,}1$ bilan tushish qadami:
Qadamdan keyingi yo‘qotish: MSE 2 → 0,08.
MAE bo‘yicha
Bashoratlar bo‘yicha gradiyent:
Vaznlar bo‘yicha gradiyent:
$\eta = 0{,}1$ bilan tushish qadami:
Qadamdan keyingi yo‘qotish: MAE ≈ 1,33 → ≈ 0,83.
MSE da $w$ bo‘yicha hosila −6 ga, MAE da — −2 ga teng: uchinchi obyekt 2 ga adashadi va MSE balandroq «qichqiradi» — qadam kattaroq chiqadi. Bir xil xato signali yo‘qotishdan vaznlarga shunday qaytadi; chuqur tarmoqda zanjir shunchaki uzunroq: signal har bir qatlamning hosilasiga ko‘paytiriladi.
O‘z misolingizni hisoblang
To‘g‘ri javoblar $y$ va bashoratlar $\hat y$ ni kiriting — kalkulyator yechimni xuddi shu qadamlar bo‘yicha — teskari tarqatish uchun hosilalar bilan birga — yozib beradi. Sonlarni nuqtali vergul yoki bo‘sh joy bilan ajrating; kasr qismini vergul yoki nuqta bilan yozing.
Tez-tez uchraydigan xatolar
- Modulni unutish. −2 va +2 xatolar nolga «qisqardi» — lekin model ikkala marta ham adashgan (5- va 15-misollar).
- Minusni noto‘g‘ri kvadratga oshirish. $(-3)^2 = 9$, $-9$ emas: istalgan sonning kvadrati manfiy emas (8-misol).
- Noto‘g‘ri $n$ ga bo‘lish. Obyektlar soniga bo‘lamiz, noldan farqli xatolar soniga emas (7-misol).
- Avval o‘rtacha olib, keyin kvadratga oshirish. MSE — kvadratlarning o‘rtachasi, o‘rtachaning kvadrati emas: −5 va +5 xatolar uchun MSE = 25, «o‘rtacha xatoning kvadrati» esa 0 bo‘lardi.
- MAE va MSE ni «kattaligi bo‘yicha» solishtirish. Ularning birliklari har xil: xatolar 1 dan kichik bo‘lsa, MSE MAE dan kichik, katta bo‘lsa — katta (6- va 3-misollar).
- Ayirish tartibini almashtirish. Qo‘rqinchli emas: $|y - \hat y| = |\hat y - y|$ va $(y - \hat y)^2 = (\hat y - y)^2$. Lekin ishorali xato odatda $y_i - \hat y_i$ deb olinadi.
- Hosila ishorasini adashtirish. $\frac{\partial}{\partial \hat y_i}(y_i - \hat y_i)^2 = 2(y_i - \hat y_i)\cdot(-1) = 2(\hat y_i - y_i)$: ichki hosila minus beradi. Noto‘g‘ri ishora bilan tushish yuqoriga ketadi va yo‘qotish o‘sadi.
- $\tfrac{2}{n}$ yoki $\tfrac{1}{n}$ ko‘paytuvchini unutish. Yo‘nalish o‘zgarmaydi, lekin qadam $n$ (yoki $2n$) baravar katta chiqadi — u bilan birga mos o‘rganish tezligi ham o‘zgaradi.
- MAE hosilasini nolda izlash. U yerda hosila yo‘q: modul sinadi. Subgradiyent olinadi — odatda $0$, PyTorch dagi kabi.
Xulosa
| MAE | MSE | |
|---|---|---|
| Formula | $\tfrac{1}{n}\sum |e_i|$ | $\tfrac{1}{n}\sum e_i^2$ |
| Birliklar | $y$ bilan bir xil | $y$ birligining kvadrati |
| Katta xatolar | mutanosib hisobga oladi | kuchaytiradi: xato ×2 → hissa ×4 |
| Chetga chiquvchilar | bardoshli | sezgir |
| Eng yaxshi o‘zgarmas | mediana | o‘rtacha |
| Qachon tanlash kerak | odatiy xato muhim, chetga chiquvchilar bor | katta adashishlar ayniqsa xavfli |
| $\hat y_i$ bo‘yicha hosila | $-\tfrac{1}{n}\operatorname{sign} e_i$ | $-\tfrac{2}{n}\,e_i$ |
| Signal kuchi | bir xil: $\pm\tfrac{1}{n}$ | xatoga mutanosib |
- Retsept bitta: xatolar → modullar yoki kvadratlar → yig‘indi → $n$ ga bo‘lish.
- Modul va kvadrat ishorani olib tashlaydi, shuning uchun yuqoriga va pastga adashishlar bir-birini yo‘qqa chiqarmaydi.
- MSE katta xatolarni «jazolaydi», MAE — yo‘q; bitta model bir metrika bo‘yicha yaxshiroq, boshqasi bo‘yicha yomonroq bo‘lishi mumkin.
- Teskari tarqatish uchun yo‘qotishning bashorat bo‘yicha hosilasi kerak: MSE da $\tfrac{2}{n}(\hat y_i - y_i)$, MAE da $\tfrac{1}{n}\operatorname{sign}(\hat y_i - y_i)$. Keyin u zanjir qoidasi bo‘yicha qatlamlar hosilalariga ko‘paytiriladi.
- To‘liq nazariya — qo‘llanmaning MAE, MSE va RMSE sahifalarida.