회귀 분석의 오류를 측정하는 지표 3형제를 알아봅시다.

14일간의 데이터 블로그 챌린지 [😈데블챌] 2기의 두번째 포스트,
오늘은 지도 학습(Supervised Learning) 중 회귀 분석에서 사용하는 지표인
MAE, MSE, 그리고 RMSE에 대해 정리한 아티클을 가지고 왔습니다,

[요약]

머신러닝에서 모델을 만든 후 그 성능을 측정하는 방법에는 다양한 방법들이 있는데요. 연속된 값(Numeric Value)을 예측하는 모델의 성능은 예측값과 실제값이 얼마나 차이가 나는지에 따라 달라집니다.

이 때 이 차이를 나타내는 3가지 지표가 MAE, MSE, 그리고 RMSE입니다.
MAE는 Mean Absolute Error
MSE는 Mean Squared Error
RMSE Rooted Mean Squared Error를 의미합니다.

3가지 지표 모두 에러(Error)라고 불리는 오차의 크기를 나타내는 지표로
각자 계산식이 다 다르고, 이상치의 크기를 얼마나 반영하는지에 따라
그 영향력을 다르게 계산할수 있다는 특징이 있습니다.

[인사이트]

결국 데이터를 다루는 실무자의 경험과 시야가 지표를 결정하는 데 큰 역할을 한다는 것을 다시 한번 리마인딩하게 됩니다.

다양한 지표의 존재와 그 장점과 단점을 파악하는 것, 그리고 상황에 맞게 어떤 지표를 적용할지를 결정하는 역할이 데이터 분석가의 역량을 결정하는 또 다른 지표가 되겠네요.


앞으로도 데이터 분석을 재미있고 가치있게 배울수 있도록
데이터리차드 (datarichard)가 함께 하겠습니다.


#데이터리차드 #데블챌 #2일차 #데이터분석