회귀 모델 채점

회귀 모델은 대상 변수에 대한 모델의 최상의 추정치를 나타내는 숫자로 결과를 예측합니다. 회귀 모델을 평가하기 위해 여러 메트릭이 생성됩니다.

회귀 실험을 교육하는 동안 생성된 모델의 빠른 분석을 제공하기 위해 다음 차트가 자동 생성됩니다.

• 순열 중요도: 가장 큰 영향(모델 성능에 가장 큰 영향)에서 가장 낮은 영향(모델 성능에 가장 작은 영향)까지 기능이 순서대로 표시되는 차트입니다. 자세한 내용은 순열 중요도을 참조하십시오.

• SHAP 중요성: 각 기능이 예측 결과에 미치는 영향을 나타내는 차트입니다. 자세한 내용은 실험 교육에서 SHAP importance을 참조하십시오.

R2

R 제곱(R2)은 대상에 대한 기능의 상관 관계를 단위 없이 측정한 값입니다. 다음과 같이 표현할 수 있습니다. 대상의 평균값을 사용하는 것과 비교하여 모델의 예측이 완벽에 몇 퍼센트 더 가깝습니까?

R2 범위는 음의 무한대에서 1까지입니다. 1에 가까울수록 대상 값의 변동이 많은 기능 변수로 설명될 수 있습니다. 즉, 정확한 예측으로 이어지는 중요한 기능 변수가 있을 가능성이 더 큽니다.

이 차트는 나이에 대한 키의 예를 보여 줍니다. R2가 0.56인 두 번째 차트보다 R2가 0.97인 첫 번째 차트에서 나이와 키가 더 밀접하게 상관되어 있습니다.

R2 값이 낮다고 해서 반드시 불량 모델이라는 의미는 아닙니다. R2를 해석하는 방법은 사용 사례와 데이터에 따라 다릅니다. 회귀 모델 채점을 고려할 때 선형 관계가 항상 중요한 것은 아니라는 점을 기억해야 합니다. 다른 알고리즘이 우수한 성능을 보이는데 선형 회귀가 좋지 않은 결과를 생성한다면 선형 관계로 데이터를 충분히 모델링할 수 없다는 의미일 수 있습니다.

RMSE

RMSE(루트 평균 제곱 오차)는 예측 값과 실제 값 사이에 예측되는 평균 +/- 차이로 해석될 수 있습니다. 잔차의 표준 편차(기능에 대한 관측값과 예측값의 차이)입니다. RMSE는 대상 값과 동일한 단위로 측정됩니다.

예를 들어, 대상이 계약 가치를 예측하는 것이고 RMSE = 1250을 얻는다고 가정해 보겠습니다. 이는 평균적으로 예측 값이 실제 값과 +/- $1,250 다르다는 것을 의미합니다.

MSE

평균 제곱 오차(MSE)는 예측 값과 평균적으로 예측되는 실제 값 사이의 제곱 +/- 차이로 해석할 수 있습니다. 대상 값의 제곱과 동일한 단위로 측정됩니다.

계약 가치 예측의 예에서 MSE 값 1562500은 모델이 +/- 1,562,500 $2 차이가 난다는 것을 의미합니다. 단위는 달러 제곱입니다.

MAE

평균 절대 오차(MAE)는 모든 절대 예측 오차의 평균이며, 여기서 예측 오차는 실제 값과 예측 값의 차이입니다. 예측 오차의 절대값을 사용하면 +/- 오차가 서로 상쇄되는 것을 방지할 수 있습니다. MAE는 대상 값과 동일한 단위로 측정됩니다.