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:
MAE:
'AI > 머신러닝' 카테고리의 다른 글
[머신러닝] 로지스틱 회귀(Sigmoid & Softmax) (0) | 2023.12.28 |
---|---|
[머신러닝] Cross Validation(교차 검증) (0) | 2023.12.28 |
[머신러닝] Confusion Matrix, AUC & ROC (0) | 2023.12.27 |
[머신러닝] 사이킷런(Sciket-learn) (0) | 2023.12.21 |
[머신러닝] 머신러닝 (1) | 2023.12.21 |
댓글