λΆλ₯ λͺ¨λΈμ μ±λ₯μ νκ°νκΈ° μν΄μ μ£Όλ‘ Accuracy, Precision, Recall μ μ¬μ©ν©λλ€. νμ§λ§ νκ·λͺ¨λΈμ κ²½μ° μ΄λ»κ² μ±λ₯μ νκ°ν μ μμκΉμ?
λνμ μΈ νκ· λͺ¨λΈ(Regression) μ μ±λ₯ νκ° μ§νμ λν΄ μμλ³΄κ² μ΅λλ€.
1. MAE (Mean Absolute Error)
νκ·λͺ¨λΈμμλ μΌλ§λ μ ννκ² μμΈ‘μ νλμ§κ° μ€μν©λλ€. λμΌνκ² μμΈ‘νλ©΄ κ°μ₯ μ’κ³ , μλκ²½μ°μλ κ°μ₯ κ°κΉκ² μμΈ‘νλ κ²μ΄ μ’μ κ²μ λλ€.
λ°λΌμ μ±λ₯νκ°λ₯Ό μν΄μλ μ€μ κ°κ³Ό μμΈ‘κ°μ λΉκ΅ν΄μΌν©λλ€.
- λ¨Όμ μ€μ κ°μμ μμΈ‘κ°μ λΉΌμΌ μ€μ°¨κ° λ©λλ€.
- κ° μ€μ°¨λ μμκ°μ κ°μ§μ§ μλλ‘ μ λκ°μ μ·¨ν΄μ€λλ€.
- μ€μ°¨λ₯Ό λͺ¨λ μμΈ‘κ°μ λν΄ κ΅¬ν΄μΌνλ―λ‘, μκ·Έλ§λ₯Ό μ·¨ν΄μ μ€μ°¨λ€μ λͺ¨λ λν©λλ€.
- μ€μ°¨μ μ λ°μ μΈ λΆν¬ νμΈμ μν΄ νκ· κ΅¬ν©λλ€.
νΉμ§
- λͺ¨λΈμ μμΈ‘κ°κ³Ό μ€μ κ° μ°¨μ΄(Error) λ₯Ό μ λκ°μΌλ‘ λ³ννμ¬ νκ· ν κ²
- Errorμ μ λκ°μ μ·¨νκΈ° λλ¬Έμ μλ¬μ ν¬κΈ° κ·Έλλ‘ λ°μ
- μλ¬μ λ°λ₯Έ μμ€μ΄ μ νμ μΌλ‘ μ¬λΌκ° λ μ ν©
- μ΄μμΉκ° λ§μ λ μ¬μ©νκΈ° μ ν©
from sklearn.metrics import mean_absolute_error
mean_absolute_error(y_test, y_pred)
2. MSE (Mean Squared Error)
μμκ° λλ μ€μ°¨κ°μ λ§λ€μ§ μλ λ°©λ²μ μ λκ° λ§κ³ λ μ κ³±μνλ λ°©λ²μ΄ μμ΅λλ€.
- MAE μμ μ€μ κ°κ³Ό μμΈ‘ κ°μ μ°¨μ΄(Error)λ₯Ό μ κ³±ν΄ νκ· ν κ²
νΉμ§
- νΉμ΄κ°μ΄ μ‘΄μ¬νλ©΄ μμΉκ° λ§μ΄ λμ΄λ¨
- μλ¬μ μ κ³±μ νκΈ° λλ¬Έμ μλ¬κ° ν¬λ©΄ ν΄μλ‘ κ·Έμ λ°λ₯Έ κ°μ€μΉκ° λμ΄ λ°μ
from sklearn.metrics import mean_squared_error
mean_squared_error(y_test, y_pred)
3. RMSE (Root Mean Squared Error)
- MSE κ°μ μ€μ°¨μ μ κ³±μ ꡬνλ―λ‘ κ°μ΄ μ»€μ§ κ·Έλμ MSE (Mean Squared Error)μ 루νΈλ₯Ό μμ΄ RMSE (Root Mean Squared Error) κ°μ μ¬μ©
νΉμ§
- MAEμ ν¨κ» κ°μ₯ μΌλ°μ μΌλ‘ λ§μ΄ μ°μ΄λ νκ·λͺ¨λΈ μ±λ₯λΆμμ§ν
- μλ¬μ λ°λ₯Έ μμ€μ΄ κΈ°ν κΈμμ μΌλ‘ μ¬λΌκ°λ μν©μμ μ°κΈ° μ ν©
from sklearn.metrics import mean_squared_error
MSE = mean_squared_error(y_test, y_pred)
np.sqrt(MSE)
4. R2 Score (Coefficient of Determination )
μ μΈκ°μ§ μ§νλ Error κ°μ΄κΈ° λλ¬Έμ κ°μ΄ μμ μλ‘ μ’μ΅λλ€.
νμ§λ§ R2 Scoreλ λ€λ¦ λλ€.
νΉμ§
- κ°μ΄ 1μ κ°κΉμΈ μλ‘ μ±λ₯μ΄ μ’μ
'ML > ML' μΉ΄ν κ³ λ¦¬μ λ€λ₯Έ κΈ
μ 보μ΄λ‘ νΊμ보기 (0) | 2021.11.08 |
---|---|
λΌμ(Lasso) λ? (0) | 2020.10.27 |
[λΆλ₯λͺ¨λΈ μ±λ₯νκ°μ§ν] Accuracy, Precision, Recall, F1 score κ°λ μ 리 (0) | 2020.10.07 |