Pori_IT

• MSE(Mean Squared Error)
  오차의 제곱을 평균한 것이다. 실제 정답과의 차이를 평균 한 것으로 잘 맞출수록 MSE 값은 작아진다.
  작을 수록 성능이 좋다고 볼 수 있다.

      파이썬 sklearn의 sklearn.metrics.mean_squared_error를 사용하여 간단하게 이용가능하다.

from sklearn.metrics import mean_squared_error
mean_squared_error(y_test,y_predict)

• MAE(Mean Abstract Error
  예측 값과 정답의 차이를 절대값하여 평균한 것이다.
                                                                 

from sklearn.metrics import mean_absolute_error
mean_absolute_error(y_test,y_predict)

• RMSE(Root Mean Squared Error)
  MSE에 루트를 씌운 값이다.
  MSE에 비해 오차에 대해 적은 반영을 보인다.
                                                          
  
  

RMSE = sqrt(mean_squared_error(y_test,y_predict))