MSE란, Mean Squared Error(평균 제곱 오차)를 의미한다.
예측 값과 실제 값 사이의 차이를 측정하는 데 사용되며
주로 회귀 문제에서 모델의 성능을 평가하는 데에 쓰인다.
식은 아래와 같다.
여기서:
- n은 데이터 포인트의 총 개수를 나타낸다.
- yi는 실제 값(ground truth)을 나타낸다.
- y^i는 모델의 예측 값(predicted value)을 나타낸다.
MSE를 계산할 때, 각 데이터 포인트의 예측 값과 실제 값의 차이를 제곱한 후, 모든 데이터 포인트에 대한 제곱 오차들의 평균을 구한다. 이렇게 해서 예측 값과 실제 값 사이의 차이를 수량화할 수 있다.
또한 오차의 제곱을 사용하므로, 예측이 실제 값보다 멀어질수록 오차가 기하급수적으로 증가한다. 이것은 모델이 더 나쁜 예측을 했을 때 더 큰 페널티가 발생한다.
예시
특정 주식의 영업이익을 예측하여 오차를 확인하고 알고리즘의 성능을 짐작할 수 있다.
실제 매출액과 영업이익의 실제 값이 각각 [50억,30억]이라고 가정해보자.
y1(첫 번째 예측) = [40,25] => 62.5
y2(두 번째 예측) = [48,29] => 2.5
값이 매우 크게 차이가 나는 것을 확인할 수 있다.
이유는 전술했지만, 오차를 계산할 때 제곱이 있어 예측 값이 실제 값보다 멀어지면 엄청난 차이의 결과를 일으킨다.
Valuable