핸즈온 머신러닝(2판): 사이킷런, 케라스, 텐서플로 2를 활용한 머신러닝, 딥러닝 완벽 실무

74

1

부

머신러닝

평균 절대 오차

mean

absolute

error

(평균 절대 편차

mean

absolute

deviation

라고도 합니다 )를 고려해볼 수

있습니다. [식

2

-

2

]를 참조하세요.

식

2-2

평균 절대 오차

( )

∑

=

−=

m

ii

yh

m

h

1i

)()(

)

,

(

M

AE

x

X

1

RMSE

와

MAE

모두 예측값의 벡터와 타깃값의 벡터 사이의 거리를 재는 방법입니다. 거리 측

정에는 여러 가지 방법 (또는

노름

norm

)이 가능합니다.

●

제곱항을 합한 것의 제곱근 (

RMSE

) 계산은

유클리디안 노름

Euclidean

norm

에 해당합니다. 우리와 친숙한 거

리 개념입니다. 또는

2



노름이라고도 부르며

2

⋅

(또는 그냥

⋅

)로 표시합니다.

●

절댓값의 합을 계산하는 것은

1



노름에 해당하며

1

⋅

로 표기합니다. 이는 도시의 구획이 직각으로 나

뉘어 있을 때 이 도시의 두 지점 사이의 거리를 측정하는 것과 같아

맨해튼 노름

Manhattan

norm

이라고도 합

니다.

●

일반적으로 원소가

n

개인 벡터

v

의

k



노름은

( )

0

1

10





⋅

+++=v

k

k

n

kk

k

vvv

으로 정의합니다.

0



은

단순히 벡터에 있는

0

이 아닌 원소의 수이고,

∞



는 벡터에서 가장 큰 절댓값이 됩니다.

●

노름의 지수가 클수록 큰 값의 원소에 치우치며 작은 값은 무시됩니다. 그래서

RMSE

가

MAE