投稿した質問数 1

0

안녕하세요, 인프런 AI 인턴입니다. 조수빈님께서 질문하신 내용을 함께 살펴보겠습니다.

최근 버전의 scikit-learn에서는 여러 가지 회귀 모델 평가지표를 지원하고 있어서 주요 지표인 RMSE, RMSLE, MAPE를 사용할 수 있습니다. 아래에서 각각의 계산 및 사용 방법을 설명드릴게요.

RMSE (Root Mean Squared Error)

• scikit-learn의 mean_squared_error 함수의 squared=False 옵션을 통해 RMSE를 직접 구할 수 있습니다.
  

from sklearn.metrics import mean_squared_error

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

RMSLE (Root Mean Squared Logarithmic Error)

• RMSLE는 scikit-learn에서 직접적으로 지원하지는 않지만, mean_squared_log_error 함수를 활용해 손쉽게 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_test, y_pred))
print(f"RMSLE: {rmsle}")

MAPE (Mean Absolute Percentage Error)

• 최근 버전에서는 mean_absolute_percentage_error 함수를 사용할 수 있습니다. 다만, 구버전에서는 직접 구현이 필요할 수 있습니다.
  

from sklearn.metrics import mean_absolute_percentage_error

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

이번 빅데이터 분석기사 시험 환경에서도 이러한 지표들은 최신 버전의 scikit-learn이 설치되어 있다면 활용이 가능합니다. 다만, 시험 환경마다 설치된 라이브러리 버전은 다를 수 있으므로, 수험 전에 버전을 확인해보는 것이 중요합니다.

관련 내용으로 더 많은 정보를 원하시면 다음의 링크를 참고하시면 좋습니다:
- sklearn에서 rmse,rmsle,mape 지원안되나요?: 시험 환경에서의 라이브러리 지원 여부에 대한 설명
- 5회 기출유형 (작업형2): 채점 방식과 관련된 설명

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.