inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

rmse 사용시

해결된 질문

61

선석

작성한 질문수 4

1

안녕하세요

 

3유형에서 rmse로

성능측정시

 

원래는 mse**0.5해서 계산하고 있었는데

퇴근후딴짓님 어떤 영상에서는

새로 패키지가 추가됬다며

 

from sklearn.metrics import root_mean_squared_error

해서

root_mean_squared_error(y_val, pred)

이렇게 사용하더라구요

 

실제 시험환경에서 위와같이 사용해도 되나요?

 

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

네 사용가능합니다. 업데이트 되었어요 🙂

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 선석님.

질문에 대해서 답변 드리겠습니다. RMSE(Root Mean Squared Error)는 머신러닝 모델의 성능을 평가하는 데 자주 사용되는 지표 중 하나입니다. 일반적으로 RMSE를 계산할 때는 MSE(Mean Squared Error)를 계산한 후 제곱근을 취하는 방식인 mse ** 0.5를 사용하여 왔습니다.

그러나 최근 버전의 사이킷런 라이브러리에서는 root_mean_squared_error라는 함수가 추가되어 직접적으로 RMSE를 계산할 수 있게 되었을 수 있습니다. 이를 사용하면 코드를 더 직관적으로 작성할 수 있습니다. 하지만 시험 환경에서 사용하게 될 패키지 버전이 어떻게 세팅될지는 항상 확인하는 것이 중요합니다. 사이킷런의 특정 버전에서만 지원되는 기능일 수 있으므로, 시험장에서 해당 기능이 제공되는지 확인이 필요합니다.

사전에 사용 환경을 점검할 수 있다면, 새로 추가된 기능을 시험에서 사용하는 것도 좋습니다. 만약 시험 환경에서 해당 기능을 지원하지 않는다면 기존의 방식으로 계산해주시면 됩니다.

추가적으로 [분석기사 실기(작업형1,2,3)] 과정에서 발생할 수 있는 다른 질문들에 대해서는 아래의 링크를 참고해보세요:
- 회귀(기출5회): RMSE 및 MSE 사용에 관한 다른 수강생의 질문과 답변을 참고할 수 있습니다.
- 5회 작2: 관련 코드 에러 및 해결 방법에 대한 설명이 포함되어 있습니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

작업형 1번문제... 환경관련

0

8

1

12회 기출은 언제 업데이트 될까요??

0

8

1

8/6 작성한 연장문의 질문글에 대한 재요청

0

19

1

수강기간 연장 문의

0

23

1

수강기간 연장문의

0

23

1

수강기간 연장 요청 문의드립니다

0

27

1

수강 기간 연장 문의

0

35

1

수강연장 가능 문의 (기간 약 한달반)

0

53

2

수강기간 연장 가능할까요 선생님

0

70

2

Section15. 수업에 사용하는 데이터 주소가 다 보이지 않아서 실습을 위한 데이터를 다운 받지 못하고 있습니다.

0

47

3

수강연장요청 문의

0

83

2

아무래도 다음 시험 연장은 어렵겠죠?

0

103

2

빅분기 12회 결과 관련 문의

0

106

1

책이랑 강의랑 순서나 예제가 다른것 같네요

0

78

2

수강연장 문의

0

102

2

재검토 요청 방법 좀 알려주셔요...-.-;;

0

100

2

12회 실기 질문(작업형 2)

0

88

2

뒤로가기 버튼 같은 것이 있나요?

0

61

1

강의 연장 문의

0

97

2

출력값 질문

0

69

2

수업노트가 어디에 있나요?

0

59

1

실기시험 제출관련

0

222

3

6.20 작업형 2 과적합

0

227

3

코딩팡 장업형2 베이스 라인 인코딩 종류 질문

0

86

2