MSE (Mean Squared Error) =
MAE (Mean absolute error) =
RMSE (Root Mean Squared Error) =
R-squared (Coefficient of determination) =
참고
- SSE(Sum of Squares Error
, 관측치와 예측치 차이):
- SSR(Sum of Squares due to Regression
, 예측치와 평균 차이):
- SST(Sum of Squares Total
, 관측치와 평균 차이): , SSE + SSR
회귀 오류지표 참조 사이트
테스트데이터에서 만들어내는 오차를 일반화 오차
훈련데이터에서와같이 테스트데이터에서도 좋은 성능을 내는 모델은 일반화가 잘 된 모델
모델이 너무 훈련데이터에 과하게 학습(과적합)을 하지 않도록 하는 많은 일반화 방법들이 있다
과적합은 모델이 훈련데이터에만 특수한 성질을 과하게 학습해 일반화를 못해 결국 테스트데이터에서 오차가 커지는 현상
과소적합은 훈련데이터에 과적합도 못하고 일반화 성질도 학습하지 못해 훈련/테스트 데이터 모두에서 오차가 크게 나오는 경우