1. MAE (Mean Absolute Error)
- MAE - 평균 절댓값 오차 (예측값과 실제값의 차이에 절댓값을 취해 평균낸 지표)
특징
- 작을수록 잘 예측한 것
- 직관적이고 예측변수와 같은 단위를 사용한다.
- MSE에 비해 이상치에 덜 민감하다.
- 절댓값을 취하기 때문에 실제보다 낮은 값인지 큰 값인지 알 수 없다.
2. NMAE (Normalized Mean Absolute Error)
- NMAE - 평균 절댓값 오차 정규화 (MAE를 정규화한 지표)
특징
- 작을수록 잘 예측한 것
- scale이 다른 데이터셋의 MAE 비교에 용이하다.
- 정규화된 MAE이기 때문에 편향되지 않아 과소평가와 과대평가 모두에 대해 유사한 해석을 제공한다.
3. MSE (Mean Square Error)
- MSE - 평균 제곱 오차 (예측값에서 실제값을 뺀 것을 제곱한 지표)
특징
- 작을수록 잘 예측한 것
- 이상치에 대한 반응이 민감하여 계산 전체에 영향을 미칠 수 있다.
4. RMSE (Root Mean Square Error)
- RMSE - 평균 제곱근 오차 (MSE에 Root를 씌운 지표)
특성
- 작을수록 잘 예측한 것
- MAE에 비해 직관성은 떨어지지만, 큰 값이 계산 전체에 지나친 영향을 미치지 못하게 제어한다.
5. MAPE (Mean absolute percentage error)
특징
- 0에 가까울수록 회귀 모형의 성능이 좋다.
- 크기 의존적 에러의 단점을 커버하기 위한 모델이다. 백분율로 표현된다.
- 실제값이 0이거나 작은 경우 MAPE 값이 지나치게 커지는 문제가 있다.
6. R2 Score (Coefficient of Determination)
특징
- 값이 1에 가까울수록 성능이 좋다.
- 상대적인 성능이기 때문에 직관적으로 알 수 있다.