평가지표_회귀평가지표

회귀의 주요 평가 지표

MSE (Mean Squared Error)

• 오차(실제 값과 예측값의 차)의 제곱의 평균
• from sklearn.metrics import mean_squared_error
• 교차검증시 지정할 문자열: 'neg_mean_squared_error'
  $MSE = \frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y_i})^2\\ y_i: 실제값, \hat{y_i}: 모델이 예측한 값$

  cf)mean absolute error > 절대값

RMSE (Root Mean Squared Error)

• MSE의 제곱근 (루트 MSE)
• mean_squared_error(squared=False) > 제곱근 된 값
• MSE 구한 뒤 np.sqrt()
• 교차검증시 지정할 문자열: 'neg_root_mean_squared_error'
  

$R^2$ (R square, 결정계수)

• 평균으로 예측할 때보다 모델로 예측했을 때 얼마나 더 잘 예측하는지
• from sklearn.metrics import r2_score
• 교차검증시 지정할 문자열: 'r2'
• 1에 가까울 수록 좋은 모델. >> y = $\hat{y_i}$
• 계수
  - -(음수): 평균치 예측보다 성능 ↓
  - 0: 평균치 예측과 같음
  - +(양수): 평균치 예측보다 성능 ↑
  - 1: 정답과 완벽하게 일치한다
  $R^2 = \cfrac{\sum_{i=1}^{n}(\hat{y_i}-\bar{y})^2}{\sum_{i=1}^{n}(y_i - \bar{y})^2}$
• $y_i$ : i번째 정답 값,
• $\hat{y_i}$ : i 번째 예측 값,
• $\bar{y}$ : y의 평균