실제 값과 예측 값의 차이를 절댓값으로 변환해 평균한 것
실제 값과 예측 값의 차이를 제곱해 평균한 것
MSE 값은 오류의 제곱을 구하므로 실제 오류 평균보다 더 커지는 특성이 있어 MSE에 루트를 씌운 RMSE 값을 쓰는 것입니다.
R² 는 분산 기반으로 예측 성능을 평가합니다. 1에 가까울수록 예측 정확도가 높습니다.
R² = 예측값 Variance / 실제값 Variance
RMSE에 로그를 적용해준 지표입니다.
import numpy as np from sklearn.metrics import mean_squared_error, r2_score, mean_absolute_error, mean_squared_log_error #-------------------------------- origin = np.array([1, 2, 3, 2, 3, 5, 4, 6, 5, 6, 7]) pred = np.array([1, 1, 2, 2, 3, 4, 4, 5, 5, 7, 7]) #-------------------------------- MAE = mean_absolute_error(origin, pred) #MAE = 0.45454545454545453 #-------------------------------- MSE = mean_squared_error(origin, pred) #MSE = 0.45454545454545453 #-------------------------------- RMSE = np.sqrt(MSE) #RMSE = 0.674199862463242 #-------------------------------- MSLE = mean_squared_log_error(origin, pred) #MSLE = 0.029272467607503516 #-------------------------------- RMSLE = np.sqrt(mean_squared_log_error(origin, pred)) #RMSLE = 0.1710919858073531 #-------------------------------- R2 = r2_score(origin, pred) #R2 = 0.868421052631579
새해에도 같이 화이팅합시닷!