하마가 분석하마

코드를 통한 이해가 가장 빠를거라 생각하기에 이번 장은 코드를 깃허브 링크와 함께 티스토리에도 넣었다. 회귀 학습에서 가장 일반적인 메트릭은 오차 (error)이다. 오차는 [실제 값-예측 값]을 의미한다. 1. MAE (mean absolute error) 절대오차 (absolute error)는 오차의 절대 값이다. 평균절대오차인 MAE는 일반적인 회귀 지표로써 사용된다. 시계열 분석에서 예측 오차의 일반적인 척도이며 평균 절대 편차(MAD)의 표준 정의와 혼동하여 사용된다. ## MAE : 절대 오차의 평균 import numpy as np def mean_absolute_error(y_true, y_pred): # 오차를 0으로 초기화 error = 0 # 모든 샘플에 대해 오차를 계산 for y..

1. 민감도 민감도는 실제 True 중에 예측과 실제값이 맞는 비율을 의미한다. 다른 표현으로는 True Positive Rate(TPR)이라고 하며 재현율과 동일한 식을 가진다. 2. 특이도 False Positive Rate(FPR)로 다음과 같이 정의된다. 실제 0인 것 중에서 예측을 1로 한 비율을 의미한다. 1-FPR은 특이도 (specificity) 혹은 TNR (True Negative Rate)이라고도 한다. 타겟 변수에 대한 모델의 예측 값이 [0.4, 0.2, 0.9, 0.8, ... ,0.7]과 같이 있다고 했을 때 일반적인 기준점인 0.5를 적용하여 정밀도, 재현율, F1 스코어 등을 계산할 수 있다. 이 기준값 (cut-off)은 0~1 사이의 임의의 기준점을 사용할 수 있고, 본..