[Sklearn] MSE, MAE, RMSE

MSE(Mean Squared Error)

예측값과 실제값의 차이에 대한 제곱에 대하여 평균을 낸 값

 

 

MAE (Mean Absolute Error)

예측값과 실제값의 차이에 대한 절대값에 대하여 평균을 낸 값

 

 

RMSE (Root Mean Squared Error)

예측값과 실제값의 차이에 대한 제곱에 대하여 평균을 낸 뒤 루트를 씌운 값

 

 

 

---

평가 지표 함수로 만들기

import numpy as np

pred = np.array([3, 4, 5])
actual = np.array([1, 2, 3])

def my_mse(pred, actual):
    return ((pred - actual)**2).mean()
    
my_mse(pred, actual)  # 4.0

def my_mae(pred, actual):
    return np.abs(pred - actual).mean()
    
my_mae(pred, actual)  # 2.0

def my_rmse(pred, actual):
    return np.sqrt(my_mse(pred, actual))
    
my_rmse(pred, actual)  # 2.0

 

 

sklearn의 평가지표 활용하기

from sklearn.metrics import mean_absolute_error, mean_squared_error

my_mae(pred, actual), mean_absolute_error(pred, actual)  # (2.0, 2.0)
my_mse(pred, actual), mean_squared_error(pred, actual)  # (4.0, 4.0)