인프런 커뮤니티 질문&답변

네 맞습니다. 나머지 지표들을 1에 가까울 수록 좋은 결과 입니다.

화이팅!! 합격 응원합니다.

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

1. MSE(Mean Squared Error): 낮을수록 좋습니다. 예측값과 실제값의 차이를 제곱하여 평균을 구한 지표입니다.
   
2. RMSE(Root Mean Squared Error): MSE의 제곱근이며, 역시 낮을수록 좋습니다.
   
3. 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

1. Accuracy(정확도): 전체 샘플 중 맞게 예측한 비율로, 높을수록 좋습니다.
   
2. Precision(정밀도), Recall(재현율), F1-Score: 각각의 목적에 맞게 분류 모델의 성능을 평가하며, 높을수록 좋습니다.
   
3. 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.