모델 평가 - 회귀(Regression) 모델

오늘은 저번 분류(Classification)모델의 평가 방법에 이어 회귀(Regression) 모델 평가방법에 대해 알아보겠습니다
 
 
1. MAE (Mean Absolute Error) / 평균절대오차

-> 실제값과 예측값의 차이 즉, 오차가 작을 수록 좋은 모델

y = 실제값 ŷ = 예측값 n = 데이터 수 

 

2. MSE (Mean Squared Error) / 평균제곱오차

-> 오차를 절대값이 아닌 제곱하여 더함 / MAE에 비해 제곱하므로 이상치(특이값)의 영향을 크게받음 

 

y = 실제값 ŷ = 예측값 n = 데이터 수 

 

3. RMSE (Root Mean Squared Error) / 평균제곱근오차

-> MSE에 루트를 씌움 / MSE가 이상치에 민감하므로 오차가 발생할 수록 값이 기하급수적으로 커짐, 루트를 이용하여 값을 축소함

y = 실제값 ŷ = 예측값 n = 데이터 수 

 

4. R2 Score / 결정계수 (Coefficient of Determination)

-> 회귀모델이 데이터에 얼마나 적합한지 나타냄

-> 단순히 평균값으로 예측(편차)한 것 보다 모델의 예측값(오차)이 얼마나 더 효과적인가 나타냄

y = 실제값 ŷ = 예측값 y̅ = 평균값

 

R2 < 0 : 모델 활용 불가 / 모델의 예측보다 단순 평균값으로 예측한 것이 더 나음

0< R2 < 1 : 1에 가까울 수록 좋은 모델 / 모델의 예측이 단순 평균값으로 예측한 것이 더 나음 

R2 = 1 : 완벽한 모델 / 모델로 모든 값을 정확히 예측