앞에서 CCC에 대한 개념을 공부한 후, MSE, MAE 등의 실제 값과 예측값의 차이를 결정하는데 있어 기존에 쓰이던 평가지표와의 차이가 뭔가... 직과적이지 않다..
왜 굳이 기존 loss func이 아닌 CCC라는 개념을 써야하는지 설명을 못하겠어서 정리해 나갈 페이지다.
일단... 항상 시작은 chatGPT의 도움을 기반으로..
CCC(Concordance Correlation Coefficient)와 MSE(Mean Squared Error)는 모두 모델의 성능을 측정하는 데 사용되는 지표이지만, 다음과 같은 주요 차이점이 있습니다:
-
측정 목적
CCC: CCC는 예측 값과 실제 값 간의 일치도를 측정합니다. 즉, 모델이 얼마나 정확하게 예측한 결과가 실제 값과 일치하는지를 나타냅니다.
MSE: MSE는 예측 값과 실제 값 간의 오차의 제곱을 평균화한 것으로, 예측 오차의 크기를 측정합니다. 작은 MSE는 작은 예측 오차를 의미합니다. -
척도(Scale)
CCC: CCC는 -1에서 1 사이의 값을 가집니다. 1에 가까울수록 모델의 예측이 실제 값과 더 일치합니다.
MSE: MSE는 오차 제곱의 합을 평균한 것이므로 오차 크기에 따라 다양한 값을 가질 수 있으며, 일반적으로 양수 값입니다. 작은 MSE가 더 좋은 모델 성능을 나타냅니다. -
강도와 방향
CCC: CCC는 일치도를 측정하므로 예측 값이 실제 값과 같은 방향과 크기를 가질 때 높은 CCC 값을 얻습니다.
MSE: MSE는 오차 크기만을 고려하므로 예측 값과 실제 값이 같은 방향을 가지지 않더라도 오차의 크기가 작으면 낮은 MSE 값을 얻을 수 있습니다. -
해석
CCC는 예측의 일치도를 측정하기 때문에 모델의 예측이 실제 값과 얼마나 일치하는지 직관적으로 해석이 가능합니다.
MSE는 예측 오차의 크기를 측정하므로 오차의 크기를 평균화한 값을 제공하며, 이 값이 작을수록 모델이 더 정확하다고 할 수 있습니다.
따라서 CCC와 MSE는 모델 성능을 측정하는 데 사용되는 다른 측정 지표이며, 각각의 장단점과 해석 방식이 다릅니다. 적절한 지표는 분석하려는 작업과 목적에 따라 다를 수 있습니다.
