4wk_예측값과 실제값 비교 : MSE · RMSE · MAE · R2

예측값과 실제값 : MSE · RMSE · MAE · R2

 

1. MSE (Mean Squared Error)

• MSE는 실제값에서 예측값을 뺀 값의 제곱의 평균입니다. 이는 모델의 예측값과 실제값 차이의 면적의 제곱합을 의미하며, 제곱을 하기 때문에 특이치 (Outlier)에 민감합니다. 

 

2. RMSE (Root Mean Squared Error)

• RMSE는 MSE값에 루트를 씌운 값입니다. 이 지표는 예측변수와 단위가 같으며, 예를 들어 기온을 예측하는 모델의 RMSE가 5라면 이 모델은 평균적으로 5 정도를 잘못 예측하는 것이라 볼 수 있습니다 → 해석력이 좋은 장점 있음 
  
  

3. MAE (Mean Absolute Error)

• MAE는 모델의 예측값과 실제값의 차이의 절대값의 평균입니다. 이는 실제 값과 측정값의 차이를 절대값으로 변환한 뒤 합산하여 평균을 구한 값입니다.

 

4. R2 (결정계수)

 

• R2는 분산을 기반으로 성능을 평가하는 지표로, 예측값의 분산을 실제값의 분산으로 나눈 것입니다. 결정계수는 회귀 모델에서 독립변수가 종속변수를 얼마만큼 설명해 주는지를 가리키는 지표로, 설명력이라고 부르기도 합니다.