[머신러닝] MSE, MAE, RMSE

---

평가지표

선형회귀 모델의 성능을 평가하고 비교하기 위해 사용되는 평가지표.

 

평가지표 예시에 사용될 값.

p = np.array([3, 4, 5]) # 예측값
act = np.array([1, 2, 3]) # 실제값

---

MSE(Mean Squared Error)

예측값과 실제값의 차이에 대한 제곱을 평균낸 값

이상치에 민감하게 반응하는 경우 사용

def my_mse(pred, actual):
    return ((pred - actual) ** 2).mean()

my_mse(p, act)

4.0

---

MAE(Mean Absolute Error)

예측값과 실제값의 차이에 대한 절대값을 평균낸 값

예측 오차의 크기에 직접적으로 관심이 있는 경우 사용

나중에 미분해야하는 경우가 생길 때 번거롭기 떄문에 잘 사용하지 않는다.

def my_mae(pred, actual):
    return np.abs(pred - actual).mean()

my_mae(p, act)

2.0

---

RMSE(Root Mean Squared Error)

예측값과 실제값의 차이에 대한 제곱을 평균낸 후에 루트를 씌운 값

MSE에 비해 오차의 크기에 대한 해석이 더 쉬운 경우 사용

def my_rmse(pred, actual):
    return np.sqrt(my_mse(pred, actual))

my_rmse(p, act)

2.0

---

 

사이킷런 MSE, MAE

from sklearn.metrics import mean_absolute_error, mean_squared_error

 

MSE:

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_squared_error.html#sklearn.metrics.mean_squared_error

sklearn.metrics.mean_squared_error

 

MAE:

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_absolute_error.html#sklearn.metrics.mean_absolute_error

sklearn.metrics.mean_absolute_error

 

---