📌오늘의 KEY POINT !
MAE / MSE / RMSE / R2 Score
MAE
▪ 실제 값과 예측값의 차이를 절대값으로 변환 후 평균
MSE
▪ 실제값과 예측값의 차이를 제곱 후 평균
RMSE
▪ MSE에 루트를 씌워 오류의 평균보다 커지는 특성 보완
R2 Score
▪ 실제 y의 변동량 대비 모델 예측 y의 변동량
📖 회귀모델 성능지표
▪ 회귀 모델에서는 얼마나 정확하게 그 값을 예측하는 지가 중요
▪ y값의 형태는 낙찰가격처럼 연속된 실수형태이기 때문에, 그 값을 정확하게 예측하거나 가장 근사치로 예측하는 것이 가장 중요
→ 따라서 회귀모델에서의 성능평가 지표는 실제y값과 예측y값을 비교
✍ 대표적인 성능평가 지표 4가지
▪ MAE (Mean Absolute Error) : 평균 절대 오차
▪ MSE (Mean Squared Error) : 평균 제곱 오차
▪ RMSE (Root Mean Squared Error) : 평균 제곱근 오차
▪ R2 Score (Coefficient of Determination) : 결정계수
📖 MAE
▪ 예측값과 실제값 사이의 절대적인 차이의 평균을 구함
특징
▪ Error의 절대값을 취하기 때문에, 에러의 크기가 그대로 반영됨
▪ 평균값이기 때문에, 개별 데이터의 에러의 평균 통계량을 의미
▪ 에러에 따른 Loss 가 선형적으로 올라갈 때 적합
▪ 이상치가 많을 때 주로 사용
장점
▪ 직관점임
▪ 정답 및 예측 값과 같은 단위를 가짐
단점
▪ 실제 정답보다 낮게 예측했는지, 높게 했는지를 파악하기 힘듦
▪ 스케일 의존적임(scal dependency): 모델마다 에류 크기가 동일해도 에러율은 동일하지 않음
📖 MSE
▪ 예측값과 실제값 사이의 절대적인 차이를 제곱한 뒤 평균을 구함
특징
▪ MAE 는 Loss 에 대해 그대로 반영하는 반면, MSE는 에러의 제곱을 해주므로, 해당 Loss 를 좀더 강력히 제재하는 효과를 가짐
▪ 따라서 이상치가 있는 경우, 에러가 크게 측정되는 경향 이를 모델에 활용
▪ 다만 이 에러의 영향을 크게 하여, 모델 성능을 높이려는 목적
장점
▪ 직관점임
단점
▪ 제곱하기 때문에 1미만의 에러는 작아지고, 그 이상의 에러는 커짐
▪ 실제 정답보다 낮게 예측했는지, 높게 했는지를 파악하기 힘듦
▪ 스케일 의존적임(scal dependency): 모델마다 에류 크기가 동일해도 에러율은 동일하지 않음
📖 RMSE
▪ MSE에 루트를 씌워 에러 값의 왜곡을 줄임
특징
▪ 성능평가 수치가, y 예측 값과 그 단위가 같으므로 직관적인 에러수치
▪ 에러에 따른 Loss가 기하 급수적으로 올라가는 상황에서 쓰기 적합
▪ MAE 와 함께 가장 일반적으로 많이 쓰이는 회귀모델 성능분석지표
장점
▪ 직관점임
단점
▪ 제곱하기 때문에 1미만의 에러는 작아지고, 그 이상의 에러는 커짐
▪ 실제 정답보다 낮게 예측했는지, 높게 했는지를 파악하기 힘듦
▪ 스케일 의존적임(scal dependency): 모델마다 에류 크기가 동일해도 에러율은 동일하지 않음
📖 R2 Score
▪ 해당 회귀 모델이 주어진 데이터에 얼마나 적합한지를 평가하는 지표
특징
▪ 실제 y값의 분산에 비해, 예측 y의 분산이 얼만큼인지 비교
▪ 상관관계가 높을수록 1에 가까워짐
→ MAE, MSE, RMSE 는 에러에 대한 수치이므로, 그 수치가 작을 수록 좋은 지표
