CH5. 머신러닝_회귀(3)

회귀모델 성능 평가

$y$

• 우리가 실제로 예측하고 싶은 값, 목표값
• 이 값과 비교해 머신러닝 알고리즘 성능을 평가
• 우리가 관심을 갖는 오차는 이 값과 예측값의 차이

$\hat{y}$

• 머신러닝 알고리즘으로 새롭게 예측한 값
• 최소한 평균과 실제값의 오차보다 적어야 하는 것이 목표

$\bar{y}$

• 이미 알고 있는, 기존에 예측한 값
• 예측값이 오차를 얼마나 더 잘 줄였는지 판단하기 위한 측도

오차의 합이 0이 되는 문제점 보완

회귀 모델 평가 지표

SST = SSR + SSE

SSR

• 평균과 모델의 오차 제곱합
• 전체 오차 중 회귀식에서 잡아낸 오차 SST
• 평균과 실제값의 오차 제곱합
• 전체 오차

SSE

• 실제값과 모델의 오차 제곱합
• 전체 오차 중 회귀식이 여전히 잡아내지 못한 오차

결정계수 R2

• Coefficient of Determination
• 모델 성능을 잘 해석하기 위해 만든 MSE의 표준화된 평가 지표
• 전체 오차 중 회귀식이 잡아낸 오차 비율로 해석할 수 있음(0 <= R^2 <= 1)
• 오차의 비 또는 설명력이라고 부른다.
• R2=1이면 MSE=0이고 모델이 데이터를 완벽하게 학습한 것으로 해석할 수 있다.