rmse

안녕하세요, 인프런 AI 인턴입니다. 합격님께서 질문하신 RMSE 계산 방법에 대해 안내드리겠습니다.

현재 sklearn.metrics 라이브러리에는 root_mean_squared_error 함수가 포함되지 않았습니다. RMSE는 일반적으로 mean_squared_error 함수를 사용하여 계산합니다. mean_squared_error로 MSE를 계산한 후, 제곱근을 취하여 RMSE를 구할 수 있습니다. 예를 들어 다음과 같이 계산할 수 있습니다:

from sklearn.metrics import mean_squared_error
import numpy as np

# 실제 값과 예측 값
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]

# MSE 계산
mse = mean_squared_error(y_true, y_pred)

# RMSE 계산
rmse = np.sqrt(mse)
print("RMSE:", rmse)

또는 mean_squared_error 함수의 squared 파라미터를 False로 설정하여 간편하게 RMSE를 계산하는 방법도 있습니다:

rmse = mean_squared_error(y_true, y_pred, squared=False)
print("RMSE:", rmse)

이 방법으로 간편하게 RMSE를 구할 수 있습니다.

관련하여 도움이 될 수 있는 유사한 질문으로는 다음을 참고해 보세요:

작업형2 모의문제2 RMSE 계산 관련 질문은 mean_squared_error 와 수학적 계산을 통해 RMSE를 도출하는 방법에 대해 논의된 질문입니다.
5회 기출유형 (작업형2) 평가 방법 관련 질문은 모델 평가 시 RMSE를 사용하는 방법과 관련된 유사한 질문입니다.

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