- MAE(Mean Absolute of Errors) 평균절대오차
- 예측값 - 실제값의 절대값의 평균
- MSE(Mean Square of Errors) 평균제곱오차
- 분산과 비슷. (예측값 - 실제값)의 제곱의 평균
- 오차가 심할 수록, 더 오차가 커져서, 오차가 크면 더 안 좋은 케이스에 적용하면 좋을 듯.
- RMSE(Root Mean Square of Errors) 평균제곱오차제곱근
- 표준편차와 비슷. (예측값 - 실제값)의 제곱의 루프의 평균
- MSLE: Mean squared logarithmic error
- 0일 수록 좋음.
- 오차와 실제 값의 비율이 같으면, MSLE값도 비슷.
- 위의 방식들은, 실제 값과 오차의 비율은 고려하지 않음.(집 값등은 값이 클 수록, 오차도 클 수 있음)
- https://peltarion.com/knowledge-center/modeling-view/build-an-ai-model/loss-functions/mean-squared-logarithmic-error-(msle)
- R2(R Squared Score) 결정계수
- 결정계수는 실제 관측값의 분산대비 예측값의 분산을 계산하여 데이터 예측의 정확도 성능을 측정하는 지표
- 실제 값과 오차의 비율이 같으면, r2 값도 같음
어떤 지표를 쓰든, y평균값으로 구한 지표를 기준으로 얼마나 좋은지 비교.