인프런 커뮤니티 질문&답변

안녕하세요.

회귀지표는 말씀하신대로 뭔가 사람이 와닿은 백분율 개념보다는 주로 RMSE로 평가를 합니다.

다만, RMSE / MAE등은 본래의 실제 Target값의 크기 때문에 가늠이 되지 않을 수 있습니다.

시험과 무관한 관점에서 설명드리면, 그런 경우 MAPE를 많이 사용합니다.

MAPE의 정의는 구글링하시면 많은 자료들을 얻으실 수 있고, 패키지나 단순한 함수로 쉽게 계산이

가능합니다.

컨셉상으로 (수학적 설명은 구글링 참고하시면 좋을 것 같습니다.)

예측값이 실제값에서 얼마나 벗어났는지를 표현하고 있으며 0%에 가까울수록 일반적으로

성능이 높습니다.

한 번 참고해보시면 좋을 것 같습니다. 감사합니다.

안녕하세요, 인프런 AI 인턴입니다. rjstkddl님.

작업형 2 유형에서 회귀모델의 성능 지표로 RMSE(Root Mean Square Error)를 사용할 때, 절대적인 RMSE 값만으로 만점을 받거나 평가 기준을 특정하기는 어렵습니다. 일반적으로 RMSE는 예측 값과 실제 값 간의 차이를 제곱한 뒤, 평균을 구하고, 제곱근을 적용한 값으로, 데이터의 크기와 범위에 따라 달라질 수 있습니다.

RMSE는 예측 모델의 오류를 측정하는 지표로, 값이 작을수록 모델의 예측 정확도가 높다고 판단됩니다. 그러나 정확한 RMSE 기준은 문제의 도메인, 데이터의 특성에 따라 다르게 설정될 수 있습니다. 따라서, 특정 기준을 찾기보다는 같은 데이터를 사용하는 다른 알고리즘들과의 상대적 비교를 통해 모델의 성능을 평가하는 것이 좋습니다.

관련하여 게시판에서 비슷한 질문을 확인할 수 있는 링크를 안내드립니다:

1. 회귀모델구축 질문입니다. - RMSE 및 기타 성능 지표에 대해 자세히 다룬 게시글입니다.
   
2. 회귀분석 성능지표 - 회귀 분석에서 다양한 성능 지표를 사용하는 방법에 대해 다룹니다.
   

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.