Machine Learning/Basic
성능 평가 지표
바나나인간
2020. 7. 27. 19:16
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.