[DL] MSE

1. MSE

MSE (Mean Squared Error)는 평균 제곱 오차로, 예측값과 실제값 사이의 차이의 제곱의 평균을 의미합니다. 이 손실 함수는 실제값과 예측값의 차이가 얼마나 많이 차이나는지를 나타내는 지표로, 예측값과 실제값 사이의 차이의 제곱을 계산한 후 그 값들의 평균을 구합니다. 이 손실 함수는 실제값과 예측값 사이의 차이가 커질수록 값이 커집니다.

2. MSE 의 수식과 그래프

MSE의 수식은 다음과 같습니다.

MSE = (1/n) * Σ(y - ŷ)^2

여기서 n은 샘플의 개수, y는 실제값, ŷ는 예측값입니다.

3. MSE 의 특징

MSE는 예측값과 실제값 사이의 차이가 커질수록 값이 커지기 때문에,

이상치가 많이 존재할 경우에 부적합한 손실 함수가 될 수 있습니다.

4. 실사용

# loss 값을 mse 로 사용
model.compile(loss="mse" , optimizer="adam")

Keras 모델 의 compile메서드의 인자로 사용됩니다.

loss: 학습 시 예측 출력과 실제 출력의 차이를 최소화하기 위해 사용하는 손실 함수입니다. 문자열(손실 함수 이름), 손실 함수 또는 손실 함수와 해당 매개변수의 튜플일 수 있습니다.