머신러닝 지도학습 - 회귀모델 성능 평가 데이터의 이해-sklearn.metrics

평가도구

mean_absolute_error mean_absolute_percentage_error mean_squared_error root_mean_squared_error r2_score

 

mean_absolute_error(MAE)

예측값과 실제 값의 차이(오차)의 절대값의 평균

MAE = (1/n) * Σ|yᵢ - ŷᵢ|

mean_absolute_percentage_error(MAPE)

실제 값에 대한 예측 오차 절대값의 비율의 평균

MAPE = (100/n) * Σ (|yᵢ - ŷᵢ| / yᵢ)

mean_squared_error(MSE)

예측값과 실제값의 차이의 제곱의 평균

MSE = (1/n) * Σ(yᵢ - ŷᵢ)²

 

root_mean_squared_error(RMSE)

예측값과 실제값의 차이의 제곱의 평균에 대한 제곱근

mean_squared_error(y_val, y_pred, squared=False)

 

RMSE = sqrt[(1/n) * Σ(yᵢ - ŷᵢ)²]

*MSE의 제곱근, 스케일이 같아서 해석하기 쉬움

 

전부 작을수록 정확한 모델!

r2_score

결정계수, 0~1 사이의 값을 가짐, 1에 가까울 수록 정확한 모델이며, 0에 가까울 수록 설명력이 낮음

R² = 1 - (SSR/SST)

SSR = 예측값과 실제값의 차이(오차)의 제곱합

SST = 실제값과 실제값 평균의 차이의 제곱합