모델 성능 평가(회귀)

[KT] AIVLE SCHOOL 7일차

 

회귀 모델 평가

• 회귀 모델이 정확한 값을 예측하기는 사실상 어려움
• 예측 값과 실제 값에 차이(=오차)가 존재할 것이라 예상함
• 예측 값이 실제 값에 가까울 수록 좋은 모델이라 할 수 있음
  • 예측한 값과 실제 값의 차이(=오차)로 모델 성능을 평가
  • 오차를 줄여야 함 (작을수록 좋음)

    

• MSE(Mean Squared Error)
  • 오차 제곱(SSE)의 합을 구한 후 평균을 구함 (자주 사용)

    

• RMSE(Root Mean Squared Error)
  • 오차의 제곱이므로 루트를 사용해 일반적인 값으로 표현

    

• MAE(Mean Absolute Error)
  • 오차 절대값의 합을 구한 후 평균을 구함

    

• MAPE(Mean Absolute Percentage Error)
  • 오차 비율을 표시하고 싶은 경우 사용

    

결정 계수 R² (R-Squared)

• Coefficient of Determination
• MSE로 여전히 설명이 부족한 부분이 있음(성능이 확실히 와 닿지 않음)
• 모델 성능을 잘 해석하기 위해서 만든 MSE의 표준화된 버전
• 전체 오차 중에서 회귀식이 잡아낸 오차 비율(일반적으로 0 ~ 1 사이) (클 수록 좋음)
• 오차의 비 또는 설명력이라고도 부름
• R² = 1이면 MSE = 0 이고 모델이 데이터를 완벽하게 학습한 것

  

• SST(Sum Squared Total) : SST= SSR + SSE / 실제값과 평균의 차이의 제곱
• SSR : SSR = SST - SSE / 평균과 모델의 예측값의 차이의 제곱
• 우리 모델이 평균보다 더 많이 해결해낸 것