회귀 알고리즘 평가 지표 RSS, MSE, MAE, R^2

RSS란?
오차제곱합. 즉, (예측값-실제값)^2

 

def return_RSS(test_y, predicted):
    
    RSS = 0
    for i in range(len(test_y)):
        RSS += (test_y[i] - predicted[i]) ** 2
        
    return RSS

 

RSS를 0으로 초기화해준 후, test data set의 길이만큼 반복하며 실제값-예측값의 제곱을 RSS에 누적으로 합해준다. 

 

def main():
    
    train_X, train_y, test_X, test_y = load_data()
     
    lr = Linear_Regression(train_X, train_y)
    
    predicted = lr.predict(test_X)
    
    RSS = return_RSS(test_y, predicted)
    print("> RSS :",RSS)
    
    plotting_graph(test_X, test_y, predicted)

 

lr을 Linear_Regression 메소드에 train 인자들을 넣어 선언해주고,

그 lr의 test_X에 대한 predict(예측값)을 predicted에 넣어준다.

아까 정의한 return_RSS()메소드에 test_y값과 predicted값을 넣어 RSS값을 계산해준다.

 

MSE란?
평균제곱오차

MAE란?
평균절대오차

 

from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error

MAE = mean_absolute_error(test_y, predicted)
MSE = mean_squared_error(test_y, predicted)

 

sklearn library안에 mse, mae 함수가 존재하기 때문에 import 후 손쉽게 사용 가능

 

R^2란?
결정계수, 선형회귀분석에서 종속변수의 분산 중에서 독립변수로 설명되는 비율

 

from sklearn.metrics import r2_score

R_squared  = r2_score(test_y, predicted)

 

이또한 sklearn에서 제공해주는 함수가 있기에 import 후 손쉽게 사용

 

 

참고 : LG Aimers