회귀 알고리즘 평가 지표

회귀 알고리즘 평가

어떤 모델이 좋은 모델인지, 목표를 얼마나 잘 달성했는지 정도를 평가하는 지표

 

평가 지표 선정 방법

절대적인 평가 지표는 존재하지 않음

다양한 평가 지표를 적용해보고, 결과값을 비교하며 모델의 성능을 다양한 측면에서 확인해봐야 함

 

목표 달성 평가 방법

실제 값과 모델이 예측하는 값의 차이에 기반한 평가 방법 사용

- RSS, MSE, MAE, MAPE, R^2

 

• RSS(Residual Sum of Squares) - 단순 오차 : 실제값과 예측값의 단순 오차 제곱 합, 값이 작을수록 모델의 성능이 높음.

1. 가장 간단한 평가 방법으로 직관적인 해석이 가능함
2. 전체 데이터에 대한 실제 값과 예측하는 값의 오차 제곱의 총합
3. 오차를 그대로 이용하기 때문에 입력값의 크기에 의존적임

 

• MSE(Mean Squared Error) - 평균 제곱 오차 : RSS에서 데이터 수만큼 나눈 값, 작을 수록 모델의 성능이 높다고 평가할 수 있음.
• MAE(Mean Absolute Error) - 평균 절대값 오차 : 실제값과 예측값의 오차의 절대값의 평균, 작을 수록 모델의 성능이 높다고 평가할 수 있음.

1. MSE : 이상치(outlier) 즉, 데이터들 중 크게 떨어진 값에 민감함
2. MAE : 변동성이 큰 지표와 낮은 지표를 같이 예측할 시 유용
3. 가장 간단한 평가 방법들로 직관적인 해석이 가능함
4. 그러나 평균을 그대로 이용하기 때문에 입력값의 크기에 의존적임

 

• R^2 - 결정계수 : 회귀 모델의 설명력을 표현하는 지표, 1에 가까울 수록 높은 성능의 모델이라고 해석할 수 있음.

1. 백분율로 표현하기 때문에 크기에 의존적이지 않음
2. 실제값이 1보다 작을 경우, 무한대에 가까운 값 도출, 실제값이 0일 경우엔 계산 불가

출처: 앨리스 교육