Accuracy metrics en evaluatierapport voor prognoseoutput

[Muhammet369]

Beschrijving

De pipeline genereert voorspellingen per opleiding/herkomst, maar er is geen gestructureerd evaluatierapport dat voorspelde instroom naast werkelijke cijfers legt. De PostProcessor berekent al errors, maar deze worden niet samengevat in een leesbaar overzicht.

Dit is nodig om:

• Richting onderwijsinstellingen te onderbouwen hoe nauwkeurig het model is
• Per opleiding te identificeren waar het model goed/slecht presteert
• Modelverbeteringen meetbaar te maken over tijd

Gewenste output

Een evaluatierapport (Excel of HTML) dat per opleiding/herkomst bevat:

• Voorspeld vs. actueel aantal studenten
• Afwijking (absoluut en procentueel)
• Accuracy metrics: MAE, MAPE, RMSE (of subset hiervan)
• Visueel: grafiek voorspeld vs. actueel per opleiding

Aandachtspunten

• Hergebruik bestaande error-berekening in PostProcessor
• Oktober-bestand bevat de werkelijke instroomcijfers — dit is de ground truth
• Rapport moet bruikbaar zijn voor niet-technische stakeholders (beleidsmedewerkers)

Acceptatiecriteria

• Script/module die voorspelling vergelijkt met actuele instroom
• Minimaal MAE en MAPE per opleiding berekend
• Output als leesbaar rapport (Excel of HTML)
• Kan gedraaid worden als losse stap na de pipeline