Allen's 데이터 맛집

회귀 분석은 예측 모델링의 핵심입니다. 이 과정에서 모델의 성능을 정확하게 평가하는 것은 중요한데, 이를 위해 다양한 평가 지표가 사용됩니다. 이 글에서는 MAE, MSE, RMSE, MSLE, RMSLE, MAPE 등의 회귀 모형 평가 지표들에 대해 알아보겠습니다. MAE (Mean Absolute Error, 평균 절대 오차) 정의: 관측값과 예측값의 차이(절대값)의 평균입니다. 장점: 이해하기 쉽고 계산이 간단합니다. 단점: 이상치(outliers)에 덜 민감합니다. 적용: 일반적인 오차 측정에 적합하며, 이상치의 영향을 덜 받기 원할 때 사용됩니다. MSE (Mean Squared Error, 평균 제곱 오차) 정의: 관측값과 예측값의 차이의 제곱의 평균입니다. 장점: 오차의 크기를 과장하여 이상..

Mercedes Used Car Listing "How much my friend should sell his old Mercedes" 이번 포스팅에선 케글의 'Mercedes Used Car Listing'의 벤츠의 중고차 목록 데이터를 사용해서 중고 벤츠 차량이 얼마에 팔릴지를 분석하여 Price를 예측해 보는 프로젝트입니다 About Dataset Data set contains information of price, transmission, mileage, fuel type, road tax, miles per gallon (mpg), and engine size data description: model Mercedez model. year registraion year. price price ..

"데이터 예측의 정확도 측정, 회귀 모델 성능 평가" 데이터 분석과 머신러닝을 통해 예측 모델을 만들 때 중요한 과정 중 하나인 '회귀 모델 성능 평가'에 대해 알아보겠습니다. 모델의 예측 결과를 정량적으로 평가하고 비교하는 것은 예측의 정확도를 평가하는 데 매우 중요합니다. 회귀 모델 성능 평가: 예측과 실제의 접점 회귀 모델의 성능을 평가하는 주요 지표들을 알아보겠습니다. 이러한 지표들은 모델의 예측 결과와 실제 값 사이의 차이를 정량화하여 모델의 정확도를 측정합니다. R-squared (R2) Score: R2 스코어는 예측 결과와 실제 값 사이의 분산 비율을 나타내며, 0에서 1 사이의 값을 가집니다. 높은 R2 스코어는 모델이 데이터를 얼마나 잘 설명하는지를 나타냅니다. 1에 가까울수록 좋은 모..