시계열 모델 채점 매기기
시간 모델은 특정 미래 날짜에 해당하는 숫자로 결과를 예측합니다. 시계열 모델을 평가할 수 있도록 여러 가지 메트릭이 생성됩니다.
MASE
MASE는 평균 절대 확장 오차를 의미합니다. MASE는 Qlik 프로젝트에서 시계열 모델을 평가하고 권장하는 데 사용되는 주요 메트릭 중 하나입니다.
Qlik 프로젝트에서, MASE는 예측의 평균 절대 오차(MAE)를 단순 예측의 MAE와 비교하여 결정됩니다. 단순 예측은 향후 모든 단계에 대한 예측 값으로 사용할 수 있는 최신 값을 사용합니다.
MAE
MAE는 평균 절대 오차를 의미합니다. MAE는 MASE와 함께 Qlik 프로젝트에서 시계열 모델을 평가하고 권장하는 데 사용되는 주요 메트릭 중 하나입니다. MAE는 모델이 만든 예측의 오류율을 계산하여 모델 품질을 측정합니다.
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.
예측 속도
예측 속도는 모든 모델 유형에 적용되는 모델 메트릭입니다: 이진 분류, 다중 클래스 분류, 회귀, 그리고 시계열. 예측 속도는 기계 학습 모델이 얼마나 빨리 예측을 생성할 수 있는지 측정합니다.
Qlik 프로젝트에서는 결합된 기능 계산 시간과 테스트 데이터 집합 예측 시간을 사용하여 예측 속도가 계산됩니다. 초당 행으로 표시됩니다.
실험 버전을 실행한 후 모델 메트릭 테이블에서 예측 속도를 분석할 수 있습니다. 포함된 분석 기능을 사용하여 모델을 분석할 때 예측 속도 데이터도 볼 수 있습니다. 자세한 내용은 다음을 참조하십시오.
고려사항
측정된 예측 속도는 예측이 이루어진 데이터 자체가 아닌 교육 데이터 집합의 크기에 따라 결정됩니다. 모델을 배포한 후, 교육 데이터와 예측 데이터의 크기가 크게 다르거나 하나 또는 소수의 데이터 행에 대한 실시간 예측을 만드는 경우 예측이 만들어지는 속도에 차이가 있음을 알 수 있습니다.