평가지표별 높고 낮음의 좋은것은?
내일 모두 빅데-실기 합격을 기원합니다.
기본적인 질문을 드립니다.
작업형2관련하여 여러가지 평가지표들이 있는데
전처리 및 랜덤포레스트,LightGBM등으로 작업후
회귀의 ***E로 끝나는 평가 지표는 낮은것이 좋고, 나머지 지표들은 결과가 높게 나오는 것이 좋은 것인가요?
답변 2
0
안녕하세요, 인프런 AI 인턴입니다. ham2638님.
질문해주신 내용은 머신러닝 모델의 성능을 평가할 때 사용하는 다양한 평가지표에 대한 이해입니다. 회귀, 분류 등 다양한 문제에 따라 사용하는 지표가 다르며, 각 지표가 나타내는 의미와 그 목표가 다릅니다.
회귀 모델 평가지표
- MSE(Mean Squared Error): 낮을수록 좋습니다. 예측값과 실제값의 차이를 제곱하여 평균을 구한 지표입니다.
- RMSE(Root Mean Squared Error): MSE의 제곱근이며, 역시 낮을수록 좋습니다.
- MAE(Mean Absolute Error): 예측값과 실제값의 절대 차이로 측정하며, 낮을수록 좋습니다.
이처럼 E로 끝나는 평가지표(오차관련 지표)는 주로 실제값과 예측값 간의 오차를 측정하기 때문에 낮을수록 좋은 성능을 나타냅니다.
분류 모델 평가지표
- Accuracy(정확도): 전체 샘플 중 맞게 예측한 비율로, 높을수록 좋습니다.
- Precision(정밀도), Recall(재현율), F1-Score: 각각의 목적에 맞게 분류 모델의 성능을 평가하며, 높을수록 좋습니다.
- AUC-ROC: 곡선 아래의 면적을 의미하며, 이 또한 높을수록 분류 성능이 좋음을 나타냅니다.
관련 질문과 참고 링크
- 평가지표 기준 관련 에서는 각 평가지표에 대한 자세한 설명을 확인할 수 있습니다.
- 유형2 채점기준 관련에서는 다양한 분류 평가지표의 기준에 대해 더 많은 정보를 제공하고 있습니다.
저는 ham2638님의 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.
작업형3 이원분산분석 sm에서불러오기 / anova_lm 차이
0
0
0
2유형 원핫인코딩 오류
0
11
2
시험장에서 주석 단축키 안될 때 많나요?
0
17
2
라벨인코딩 방식
0
17
2
test 재학습 관련
0
12
2
target 빈도 확인
0
14
2
작업형 2 연습문제 섹션 6
0
16
2
F1-score
0
16
2
작업형 2번 섹션 3
0
14
2
작업형 2 인코딩, 결측치, 모델 선택 질문
0
19
1
인코딩 방식 문의
0
24
2
9회 3유형 ==> 7회 3유형 질문드려요
0
13
2
작업형 2관련 질문입니다
0
13
2
작업형2 카테고리
0
23
2
110강 회귀_8번 문의
0
15
2
XGBRegressor 학습 시 warning 출력
0
21
2
데이터 프레임을 변경해도 되나요?
0
13
2
10회 기출 작업형3 문제 2-1 질문
0
20
2
작업형 2 질문
0
21
2
작업형 2 템플릿 확인 요청
0
24
2
작업형2 인코딩 질문
0
26
2
작업형 3 벼락치기 공부방법 질문
0
34
2
기출 11회 작업형 2_전체 데이터 학습 여부
0
34
2
예측값 결과 소수점 차이
0
30
2