본문 바로가기

Machine Learning/Basic

성능 평가 지표

1. Mean squared error (MSE)

- 에러을 제곱하여 해당 에러에 대한 평균을 계산한다.

- 값이 낮을수록 좋아진다.

- 에러를 제곱하기 때문에, 1 미만의 에러를 더 작아지고, 그 이상의 에러는 커지며 값의 왜곡이 발생한다.

- Outlier가 존재할 경우엔 MSE의 값이 매우 커지게 된다.

 

2. Root mean squared error (RMSE)

- MSE에 root를 씌운 에러 지표이다.

- 제곱된 에러를 root로 풀어주기 때문에, 값의 왜곡을 조금 줄일 수 있다.

 

3. R-squared

- Sum of squared total (SST)

- Sum od squared error (SSE)

- Sum of squared regression (SSR)

- SST = SSE + SSR

- P-value 처럼 0-1 사이의 값으로 표현할 수 있으며, 신뢰도를 쉽게 파악할 수 있다.

 

4. Mean absolute percent error (MAPE)

- 각 포인트들의 오차들을 정규화하여 각 특이점에 의해 발생하는 절대 오차의 영향을 낮춤으로써 outlier에 의한 과한 오차 값을 방지할 수 있다.

'Machine Learning > Basic' 카테고리의 다른 글

Categorical Feature  (0) 2020.07.25
Natural Language Representations  (0) 2020.07.15
Feature Normalization  (0) 2020.07.14