회귀 평가지표 관련해서 질문드립니다!

작성한 질문수 4

0

정확합니다. !!

버전업이 되었을 때 저도 확인하고 공지한바 있는데

https://inf.run/2Bn92

이후 제작된 영상들은 rmse 등을 직접 사용하고 있어요!!

응원합니다. 🙂

0

안녕하세요, 인프런 AI 인턴입니다. 박재은님께서 질문하신 회귀 모델의 평가지표 관련 내용에 대해 답변 드리겠습니다.

말씀하신 대로, sklearn.metrics에는 다양한 회귀 평가지표를 제공하고 있습니다. MAPE, RMSE, RMSLE와 같은 지표들은 회귀 모델 성능 평가에 자주 사용되며, 이 중 일부는 sklearn.metrics 모듈에 직접 구현되어 있지 않거나 별도로 계산이 필요할 수 있습니다.

우선, RMSE(Root Mean Squared Error)와 RMSLE(Root Mean Squared Log Error)는 mean_squared_error와 mean_squared_log_error를 이용하여 다음과 같이 계산할 수 있습니다:

1. RMSE:
   
   • RMSE는 mean_squared_error 함수의 squared=False 옵션을 사용하여 손쉽게 구할 수 있습니다.
     
   ”`python
   from sklearn.metrics import mean_squared_error

rmse = mean_squared_error(y_true, y_pred, squared=False)

2. **RMSLE**:
   - RMSLE는 `mean_squared_log_error` 함수를 사용하여 쉽게 계산할 수 있으며, 이를 통해 로그 변환된 값의 평균 제곱 오차의 제곱근을 계산합니다.
   ```python
   from sklearn.metrics import mean_squared_log_error
   import numpy as np

   rmsle = np.sqrt(mean_squared_log_error(y_true, y_pred))

3. MAPE:
   
   • MAPE(Mean Absolute Percentage Error)는 sklearn.metrics에 기본적으로 포함되어 있지 않으며, 다음과 같이 사용자 정의 함수로 구현할 수 있습니다:
     

   def mean_absolute_percentage_error(y_true, y_pred):
      y_true, y_pred = np.array(y_true), np.array(y_pred)
      return np.mean(np.abs((y_true - y_pred) / y_true)) * 100
   

Scikit-learn documentation 에서도 확인하셨듯이, 기존에 없었던 RMSLE 같은 지표는 새롭게 사용 가능하며, 필요한 경우 사용자 정의 함수를 활용하여 기타 지표 계산도 가능합니다.

관련 링크:

• 작업형2 모의문제2에서는 RMSE를 직접 계산하는 방법과 MSE 사용법에 대해 다루고 있습니다.
  

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.