학습 목표

- 모델이 예측한 값과 실제 값의 차이를 구하는 공식을 이해합니다.

핵심 키워드

- MAE, RMSE

학습하기

학습내용

train 데이터셋에서 좋은 성능이 나오면 test 셋도 좋은 결과가 나오는 편입니다.

MAE

error = abs(y_train - y_predict)
error.mean()

오차값의 절대값들의 평균(MAE)를 구해봅니다.

결과 : 

86.57106598984771

sns.distplot(error)

시각화를 해봅니다. 평균값에 편향이 많이 되어있다는 것을 알 수 있습니다.

결과 : 

error.describe()

error의 분포를 알아봅니다.

결과 : 

np.sqrt((y_train - y_predict) ** 2.mean())

RMSE를 계산해봅니다. RMSE를 구하려면 오차에 제곱을 해주고, 평균을 구한 후에 루트를 씌웁니다.

표준편차를 구하는 식과 유사합니다. 실제값과 예측값이 얼마나 떨어져있는지를 보여주는 수치입니다.

결과 : 

126.89512636885443