[평가 지표] Mean Squared Error (MSE)

Mean Squared Error (MSE) 설명

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

MSE는 실제 정답 값과 예측 값의 차이를 제곱한 후 평균을 구하여 도출할 수 있으며, 값이 작을수록 모델의 성능이 좋다는 것을 의미합니다.

MSE의 수식은 아래와 같습니다.

 

 

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

 

 

MSE의 장단점

- MSE의 장점

1. Mean Absolute Error(MAE)와 더불어 가장 직관적인 평가지표 중 하나

 

- MSE의 단점

1. 오차를 제곱하기 때문에 이상치에 민감하게 변화함

2. 오차를 제곱하기 때문에 회귀모델이 실제 정답보다 높게 예측하였는지, 낮게 예측하였는지를 파악하는 것이 어려움

 

 

MSE 코드

- MSE 사용자 정의 함수

 

 

 

- Scikit-Learn 라이브러리에 구현된 MSE 함수