Lecture 6. 분석성능 확인

검증지표

 

• R-squared(R^2) :  (−∞,1]

 

• Mean Absolute Error(MAE) : [0,+∞)

 

• Mean Squared Error(MSE) : [0,+∞)

 

• Mean Squared Logarithmic Error(MSLE) : [0,+∞)

 

• Median Absolute Error(MedAE) : [0,+∞)

 

• Root Mean Squared Error(RMSE) : [0,+∞)

 

• Mean Absolute Percentage Error(MAPE) : [0,+∞)

 

• Mean Percentage Error(MPE) : (−∞,+∞)

 

 

MAE = abs(Y_train.values.flatten() - pred_tr_reg1).mean()
MSE = ((Y_train.values.flatten() - pred_tr_reg1)**2).mean()
MAPE = (abs(Y_train.values.flatten() - pred_tr_reg1)/Y_train.values.flatten()*100).mean()

.flatten() : 1차원 배열로 만들어 줌

 

---

 

편향 - 분산 상층 관계 ( Bias-Variance Trade-off )

 

(1) 편향(Bias)

• 점추정
• 예측값과 실제값의 차이

 

(2) 분산(Variance)

• 구간추정
• 예측값이 평균으로부터 퍼진 정도

 

 

(3) 편향과 분산의 관계

 

• Underfitting : Bias가 증가하고 Variance가 감소 - 모델 복잡도 낮음
• Overfitting -  Bias가 감소하고 Variance가 증가 - 모델의 복잡도가 높음

 

 

 

 

+ 참고 자료 및 출처

 

• 김경원 < 파이썬을 활용한 시계열 데이터 분석 A-Z  강의 >  ( 패스트캠퍼스 강의 )