[AWS] 선형 회귀(Linear Regression) 모델 평가 지표 (MSE, RMSE, MAE)

 

 

Linear Regression

📈 선형 회귀 모델 평가 지표

지도 학습(Supervised Learning) 방식 중 하나인 선형 회귀 모델

https://www.geeksforgeeks.org/ml-linear-regression/

 

🧮 Mean Squared Error (MSE)

"예측 값"과 "실제 값" 사이의 차이(오차)를 제곱해서 평균낸 값이다.

• yₖ: 실제 값 (ground truth)
• ŷₖ: 예측 값 (predicted value)
• n: 데이터 포인트 수 (number of data points)

MSE 값이 작을수록 모델의 예측이 정확하다고 판단할 수 있다.

https://suboptimal.wiki/explanation/mse/

MSE 값 예시 🔢	설명
0	✅ 매우 우수: 예측이 실제랑 완벽히 같을 때
0.1 ~ 2	👍 좋음: 약간의 오차만 있을 때
5 ~ 20	오차가 꽤 클 때
50 이상	예측이 실제랑 거의 다를 때

 

📏 Root Mean Squared Error (RMSE):

RMSE는 "MSE"의 제곱근을 취한 값이다.
즉, MSE가 오차들의 제곱 평균이라면, RMSE는 그 값을 원래 단위로 되돌린 지표입니다.

실제 데이터 단위와 일치하여 더 직관적인 해석이 가능하다

RMSE 값	해석 (예시 기준)
0 ~ 1	✅ 매우 우수: 오차가 매우 작음. 정밀한 예측.
1 ~ 3	👍 좋음: 일반적인 예측에서 매우 만족스러운 수준
3 ~ 7	😐 보통: 예측이 어느 정도 정확하지만 개선 여지 있음
7 ~ 15	⚠️ 낮은 정확도
15 이상	❌ 나쁨

 

 

 

 

📉 Mean Absolute Error (MAE):

실제 값과 예측 값 사이의 절댓값의 평균이다.

절대 오차를 평균한 값으로, 큰 오차가 강조되지 않기 때문에 이상치(outlier)에 덜 민감함 (→ MSE보다 안정적)

🌡️ MAE 예시: 온도 예측

실제 온도 (℃)	예측 온도 (℃)	오차 (절댓값)
25	26	1
30	28	2
15	17	2
10	9	1
20	21	1

MAE= (1+2+2+1+1)/5  = 7/5 = 1.4

평균적으로 1.4도 오차