inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

[빅이시] 빅데이터 분석기사 이제 시작 과정 (단기 준비자 또는 복습용)

평가지표별 높고 낮음의 좋은것은?

해결된 질문

60

ham2638

작성한 질문수 2

0

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?

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

네 맞습니다. 나머지 지표들을 1에 가까울 수록 좋은 결과 입니다.

화이팅!! 합격 응원합니다.

 

0

인프런 AI 인턴

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

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.

수강 관련 문의 드립니다.

0

14

1

자치구 상점 수 합(12회)

0

15

1

불균형데이터 처리 전후 비교

0

22

2

레이블인코딩/원핫

0

25

2

인코딩

0

21

2

작업형 2 작업

0

29

2

ttest_rel() 관련 질문

0

31

2

작업형2. 인코딩에 대해 질문드립니다.

0

23

2

작업형3 2-3

0

35

1

코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.

0

29

1

8회 작업형2

0

28

2

작업형2 모의문제2 updated 2026.10

0

46

3

단순선형 회귀분석 신뢰구간,예측구간 관련질문

0

37

2

판다스 부분 강의 듣고 있는데..

0

44

2

코딩팡 Pro 등록방법 문의

0

44

1

'자동으로 저장할 수 없습니다. 이 파일은 원격으로 또는 다른 탭에서 업데이트되었습니다.'

0

30

2

random_state에 따른 최종스코어 점수차이

0

39

2

코랩 백엔드

0

61

3

xgboost 사용 시 오류 이유

0

44

2

작업형 2 제출하는 법

0

59

2

Section 5. 문자열 슬라이싱, 파생변수, 평균값 질문 드립니다.

0

43

1

예시문제 작업형2(ver. 2025)

0

58

2

수강 연장 문의드립니다.

0

50

2

예시문제 작업형2(ver. 2025)

0

53

2