inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

작업형2 모의문제2

rmse, mape 오류

해결된 질문

207

상냥한 랫서팬더

작성한 질문수 0

0

<rmse>

import numpy as np

def rmsle(y_test, y_pred):

  return np.sqrt(np.mean(np.power(np.log1p(y_test) - np.log1p(y_pred)), 2))

 

print(np.sqrt(np.mean(np.power(np.log1p(y_test) - np.log1p(y_pred)), 2)))

 

이렇게 입력하면 예측값은 안뜨고 power() takes from 2 to 3 positional arguments but 1 were given 라고 뜹니다 ㅠ 뭐가 문제인 건가요?

Screenshot_20240619_114459_Samsung Internet.jpg

<mape>

import numpy as np

def mape(y_val, pred):

return np.mean(np.abs((y_val - pred)/y_val))**100

 

print(np.mean(np.abs((y_val - pred)/y_val))**100)

 

이렇게 입력하면 예측값은 안뜨고 inf라고만 뜹니다. rmse와 mape 둘다 왜 예측값은 안뜨는건가요?

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 1

0

퇴근후딴짓

1 rmsle

수식이 잘못되었어요

def rmsle(y_test, y_pred):
    return np.sqrt(np.mean(np.power(np.log1p(y_test) - np.log1p(y_pred), 2)))

또는 msle**0.5

from sklearn.metrics import mean_squared_log_error

# MSLE 계산
y_true = [3, 5, 2.5, 7]
y_pred = [2.5, 5, 4, 8]
msle = mean_squared_log_error(y_true, y_pred)
print('MSLE:', msle) 

# RMSLE 계산 (squared=False 옵션 사용)
rmsle = mean_squared_log_error(y_true, y_pred, squared=False)
print('RMSLE:', rmsle) 

 

  1. mape는 분모에 0이 있으면 에러가 발생할 수 있어요!


    일반적으로는 예측값(분모)를 매우 작은 값으로 처리하는데, 시험이라면 다른 평가지표 사용을 추천합니다.

     

 

로지스틱회귀, 회귀

0

25

2

회귀 문제를 풀때 질문입니다.

0

31

1

불균형 처리 후 성능이 더 낮아졌다면,

0

43

2

실기 체험 제2유형 에러 문의

0

34

1

LIGHTGBM 으로 하면 pred값이 소수점 6자리까지 나오는게 맞나요

0

33

2

3번문제 등분산 가정

0

34

2

작업형3 target 형 변환 질문

0

28

2

[작업형1] 연습문제 섹션1 ~ 10 의 section4

0

22

3

원핫인코딩과 레이블 인코딩에서 concat

0

41

2

제2유형 질문입니다.

0

39

2

C()

0

36

2

작업형 2에서 strafity 적용 유무

0

43

2

수강 기간 연장 가능 여부 문의드립니다.

0

45

1

ols

0

36

2

2유형 작성관련 질문(일반 심화)

0

29

2

2유형 작성관련 질문

0

26

2

2유형 object컬럼 개수 다르면

0

36

2

코딩팡질문이요ㅠㅠ

0

36

2

관찰값과 기대값의 개념이 헷갈립니다.

0

19

2

작업형2 ID 컬럼 삭제 질문

0

38

2

2유형 작성관련 질문

0

27

2

memoryerror 질문

0

20

2

작업형 유형2 이렇게 고정 템플릿으로 가져가도 될까요?

0

37

1

ID 삭제 필수 인가요?

0

33

3