sklearn에서 rmse,rmsle,mape 지원안되나요?

안녕하세요, 인프런 AI 인턴입니다. 양수민님께서 질문하신 내용에 대해 답변 드리겠습니다.

sklearn 라이브러리는 다양한 머신러닝 모델 평가를 위해 여러 가지 메트릭을 제공합니다. 과거에는 일부 메트릭이 직접적으로 지원되지 않았지만, 현재의 sklearn 최신 버전에서는 많은 메트릭들이 추가되었습니다.

특히, RMSE(Root Mean Squared Error)는 아래와 같이 mean_squared_error 함수를 통해 squared=False 파라미터를 사용하여 계산할 수 있습니다:

from sklearn.metrics import mean_squared_error

# 예시 데이터
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]

# RMSE 계산
rmse = mean_squared_error(y_true, y_pred, squared=False)
print(f"RMSE: {rmse}")

RMSLE(Root Mean Squared Logarithmic Error) 역시 보통 mean_squared_log_error 함수를 사용해 계산할 수 있습니다:

from sklearn.metrics import mean_squared_log_error
import numpy as np

# RMSLE 계산
rmsle = np.sqrt(mean_squared_log_error(y_true, y_pred))
print(f"RMSLE: {rmsle}")

MAPE(Mean Absolute Percentage Error)는 버전에 따라 직접 구현해야 할 수도 있기에 사전에 라이브러리 버전을 확인하고 필요한 경우, 다음과 같은 사용자 정의 함수를 사용할 수 있습니다:

def mean_absolute_percentage_error(y_true, y_pred): 
    y_true, y_pred = np.array(y_true), np.array(y_pred)
    return np.mean(np.abs((y_true - y_pred) / y_true)) * 100

# MAPE 계산
mape = mean_absolute_percentage_error(y_true, y_pred)
print(f"MAPE: {mape}")

위와 같이 sklearn에서는 다양한 평가 메트릭을 사용할 수 있으며, 최신 버전에서는 더욱 다양한 메트릭을 지원합니다. 특히 시험이나 실제 프로젝트에서는 직접 구현한 메트릭을 사용하는 것보다, 믿을 수 있는 라이브러리의 함수를 사용하는 것이 더 효율적이고 정확할 수 있습니다.

자세한 추가 정보는 아래 링크를 통해 확인하실 수 있습니다:

작업형2 모의문제2: RMSE를 직접 계산하는 방법과 MSE 사용법에 대해 다루고 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.

인프런 커뮤니티 질문&답변