tensorflow - mae,mse차이

평균제곱오차(MSE, Mean Squared Error)

-실제값과 예측값의 차이를 제곱해 평균화
-예측값과 실제값 차이의 면적의 평균과 같다
-특이값이 존재하면 수치가 많이 늘어난다.

공식

평균절대오차(MAE ,Mean Absolute Error)

회귀평가를 위한 지표로 주로 쓰인다.
기계 학습 모델의 퀄리티를 요약하고 평가하기 위한 여러 메트릭 중 하나라고 할 수 있다.

공식

MSE는 손실함수로써 쓰이고 MAE는 회귀지표로써 사용된다.

손실함수 : 예측값과 실제값의 차이를 확인하는 함수
측정한 데이터를 토대로 산출한 모델의 예측값과 실제값의 차이를 표현하는 지표이다.
즉, 모델이 데이터를 얼마나 잘 표현하지 못하는가를 나타내는 지표.

회귀모델에 쓰이는 손실함수에는 MSE,MAS,RMES등이 있으며,
분류에 쓰이는 손실함수에는 Binary cross-entropy, Categorical cross-entropy 등이 있다.

손실함수로써 MSE

가장 많이 쓰이는 손실함수 중 하나이다.

장점:실제 정답률과 오답에대한 정답률의 오차도 포함하여 계산.
:MAE와 달리 최적값에 가까워질수록 이동값이 다르게 변화하기떄문에
최적값에 수렴용이.

단점: 값을 제곱하기 때문에 절댓값이 1미만인 값은 더 작아지고, 1보다 큰 값은 더 커지는 왜곡이 발생할 수 있다.
제곱하기 때문에 특이값의 영향을 많이 받는다.