[평가 지표] Mean Absolute Error (MAE)

Mean Absolute Error (MAE) 설명

Mean Absolute Error (MAE)는 회귀 모델 (Regression Model)이 잘 학습되었는지를 확인할 때 많이 사용되는 평가지표입니다.

MAE는 실제 정답 값과 예측 값의 차이를 절댓값으로 변환한 뒤 평균을 구하여 도출할 수 있으며, 값이 작을수록 모델의 성능이 좋다는 것을 의미합니다.

MAE의 수식은 아래와 같습니다.

 

 

 

수식에서 $Y_{i}$은 실제 정답 값을 의미하고, $\widehat{Y}_{i}$은 예측 값을 의미합니다.

 

 

MAE의 장단점

- MAE의 장점

1. 실제 정답 값, 예측 값과 같은 단위를 가지는 평가지표이기 때문에 결과 해석이 용이함

2. 절대값을 취하기 때문에 직관적으로 결과를 해석할 수 있음

 

- MAE의 단점

1. 절대값을 취하기 때문에 회귀모델이 실제 정답보다 높게 예측하였는지, 낮게 예측하였는지를 파악하는 것이 어려움

2. 데이터 값의 크기에 의존적이기 때문에 다양한 데이터셋의 비교에는 적합하지 않음

 

 

MAE 코드

- MAE 사용자 정의 함수

 

 

 

- Scikit-Learn 라이브러리에 구현된 MAE 함수